《機器學習中的數學》是一本系統介紹機器學習中涉及的數學知識的入門圖書，本書從機器學習中的數學入門開始，
以展示數學的友好性為原則，講述了機器學習中的一些常見的數學知識。
機器學習作為人工智能的核心技術，對於數學基礎薄弱的人來說，
其台階是陡峭的，本書力爭在陡峭的台階前搭建一個斜坡，
為讀者鋪平機器學習的數學之路。
《機器學習中的數學》共19章，分為線性代數、高等數學和概率3個組成部分。
第1部分包括向量、向量的點積與叉積、行列式、代數餘子式、
矩陣、矩陣和方程組、矩陣的秩、逆矩陣、高斯諾爾當消元法、
消元矩陣與置換矩陣、矩陣的LU分解、歐幾里得距離、
曼哈頓距離、切比雪夫距離、夾角餘弦等；
第2部分包括導數、微分、不定積分、定積分、弧長、
偏導、多重積分、參數方程、極坐標系、柱坐標系、
球坐標系、梯度、梯度下降算法、方嚮導數、
線性近似、二階近似、泰勒公式、牛頓法、
*小二乘法、求解極值、拉格朗日乘子法、KKT條件、
歐拉拉格朗日方程等；第3部分包括概率、古典概型、
幾何概型、互斥事件、獨立事件、分佈函數、
離散型分佈、連續型分佈等。
《機器學習中的數學》內容全面，語言簡練，實例典型，
實用性強，立足於友好數學，與機器學習完美對接，
適合想要了解機器學習與深度學習但數學基礎較為薄弱的程序員閱讀，
也適合作為各大高等院校機器學習相關專業的教材。
機器學習及數學愛好者、海量數據挖掘與分析人員、
金融智能化從業人員等也可選擇本書參考學習。