资料分享-深入数学建模， 机器学习和深度学习的数学基础

想在地里分享一本自己在写的一个数学笔记书。目前负责开发模型和算法的一线科学家和工程师， 都需要有坚实的数学基础。 相信有许多所有对数学建模，机器学习和深度学习深感兴趣的小伙伴，有一定的基础却常常被繁杂的定理和错综的模型所。本书的目的就是为大家做一个分类总结， 希望可以帮助大家准备机器学习的理论面试，或者加深对各个方法的从数学上的理解。

直接上干货！ 理论与实践相结合，学以致用。内容详尽，涵盖范围广。 全书干货多覆盖范围广， 包含~100个核心算法， 约３00个示意图。例子丰富，且绝大部分定理都有证明。  本笔记是我多年数学建模和机器学习研究和实战经验。根据应用领域，我总结并深入讲述传统方法到前沿的深度学习和强化学习算。

传送门: https://github.com/yangyutu/EssentialMath

全书总共33章分成六个部分：
I Mathematical Foundations （数学基础）
II Mathematical Optimization Methods （数学优化方法）
III Classical Statistical Methods （经典统计方法）
IV Dynamics Modeling Methods （动力系统建模方法）
V Statistical Learning Methods （统计学习方法）
VI Optimal Control and Reinforcement Learning Methods （最优控制和强化学习方法）
对一些热门章节进行章节归类打包下载
• Linear Algebra and Matrix Analysis
• Mathematical Optimization
• Probability and Statistical Estimation
• Stochastic Process
• Markov Chain and Random Walk
• Linear Regression Analysis
• Statistical Learning
• Neural Network and Deep Learning
• (Deep) Reinforcement Learning

整体目录如下：
I Mathematical Foundations
• Sets, Sequences and Series
• Metric Space
• Advanced Calculus
• Linear Algebra and Matrix Analysis
• Function Sequences, Series and Approximation
• Basic Functional Analysis
II Mathematical Optimization Methods
• Unconstrained Nonlinear Optimization
• Constrained Nonlinear Optimization
• Linear Optimization
• Convex Analysis and Convex Optimization
• Basic Game Theory
III Classical Statistical Methods
• Probability Theory
• Statistical Distributions
• Statistical Estimation Theory
• Multivariate Statistical Methods
• Linear Regression Analysis
• Monte Carlo Methods
IV Dynamics Modeling Methods
• Models and estimation in linear systems
• Stochastic Process
• Stochastic Calculus
• Markov Chain and Random Walk
• Time Series Analysis
V Statistical Learning Methods
• Supervised Learning Principles and Methods
• Linear Models for Regression
• Linear Models for Classification
• Generative Models
• K Nearest Neighbors
• Tree Methods
• Ensemble and Boosting Methods
• Unsupervised Statistical Learning
• Neural Network and Deep Learning
VI Optimal Control and Reinforcement Learning Methods
• Classical Optimal Control Theory
• Reinforcement Learning
Appendix: Supplemental Mathematical Facts


这本书来源于我攻读博士期间上的上课笔记。 当时为了解决科研中 一些难题， 上了大量计算机和数学课。笔记由一开始的零零散散，到后来渐成规模。最后一句话送给大家：
If you want to learn something, read about it. If you want to understand something, write about it. If you want to master something, teach it.