资源|帝国理工学院134页机器学习中的数学知识

转自 | 专知     整理 | 小事

【导读】最近，帝国理工学院计算机系统计机器学习的老师Marc Deisenroth撰写的134页"Mathematics for Machine Learning" 机器学习中的数学知识，深入浅出地介绍了常见的机器学习方法和其应用，比如主成分分析（PCA），线性判别分析，贝叶斯线性回归和支持向量机（SVM）等，是学习机器学习的比较不错的讲义。

资源获取方式：

• 点击 阅读原文 获取资源

• 或在输入关键词“IC机器学习数学讲义”获取资源

这些讲义为伦敦帝国理工学院计算机系的“机器学习中的数学”课程提供支持。该课程的目的是为学生提供理解，设计和实施现代统计机器学习方法和推理机制所必需的基本数学背景和技能。 本课程将重点介绍使用机器学习和推理方法的数学原理和实现机制，如主成分分析（PCA），线性判别分析，贝叶斯线性回归和支持向量机（SVM）。