【Hacker News最火教程】机器学习必备的数学知识

【新智元导读】对于不少入坑机器学习的同窗来讲，数学多是比较艰辛的部分。本文做者介绍了构建机器学习产品、或进行机器学习研究所需的数学背景，以及来自机器学习工程师、研究人员和教师的宝贵经验和建议，并提供了许多课程和书籍资源。

目前咱们还不彻底清楚开始学习机器学习须要怎样的数学水平，对于那些没有在学校学习过数学或统计学的人尤为如此。

这篇文章的目标是提出打造一款机器学习产品、或进行有关机器学习的学术研究所须要的数学背景。这些建议来自与机器学习工程师、研究人员和教育工做者的对话，以及笔者在机器学习研究和行业中的经验。

为了构建所需数学水平的先决条件，本文首先提出了不一样的思惟模式和策略，以便读者在传统课堂以外接触数学教育。而后，文章概述了不一样类型的机器学习项目所需的具体背景，因这些学科的范围从高中水平的统计和微积分知识到几率图模型（PGM）的最新发展。在这最后，我但愿读者可以对数学学习产生感受，你须要在你的机器学习项目中有效利用这些知识，不管是什么项目！

首先，我认可对学习风格/框架/资源的学习，学习者的我的需求和目标多是独一无二的。 欢迎各位在HN上提出本身的意见！

关于数学焦虑症的一些体会

事实证实，不少人，包括工程师在内，都对数学有着畏惧情绪。首先，我想谈谈关于“擅长数学”的话题。

实际上，擅长数学的人都会有不少实际运用数学的实践经验。结果，他们会以为在数学上陷入困境是习觉得常的事情。最近的研究显示，学习者的心态（而非先天能力），是一我的学习数学能力的主要预测指标。

要清楚，要达到这种习觉得常的良好状态须要时间和精力，但这确定不是人天生就有的能力。本文其他部分将帮助读者肯定所需的数学基础水平，并概述应如何创建这种水平的策略。

入门：数学和代码