人工智能的数学基础

本教程由 Datawhale 开源社区编译，与对应的英文原版均开源免费

为了您的阅读体验，请使用右上角的在线阅读链接，或克隆仓库后在项目根目录运行 docsify serve docs。

本项目致力于为机器学习和人工智能学习者提供全面的数学基础支持。该项目旨在通过整理和整合各种数学资源，帮助学习者更好地理解和掌握机器学习背后的数学原理。项目内容可能包括但不限于数学教程、书籍翻译、在线课程推荐以及相关数学工具的介绍。

目前我们正翻译 MML book 的内容，后续将添加更多内容

项目在线阅读

项目受众

• 大学工科学生：尤其是计算机科学、电子工程、自动化等专业的学生，他们在学习机器学习和人工智能课程时，往往需要更扎实的数学基础。
• 机器学习和人工智能的初学者：包括自学者和在职人员，他们希望通过系统学习数学知识来提升自己在该领域的竞争力。
• 对数学基础有进一步提升需求的从业者：那些希望在机器学习和人工智能领域深入研究或从事高级开发的人员。

待办清单

• 第七章
• 第十一章
• 所有图像调整格式
• 所有公式调整格式
• 所有 Callout 调整格式
• 增加章节超链接
• 增加参考文献超链接
• 所有文字审校

目录

本教程由 Datawhale 开源社区编译，与对应的英文原版均开源免费

章节	翻译	审校
第一章 导引	✅ @王子丞	✅ @何瑞杰
第二章 线性代数	✅ @马世拓, @何瑞杰	✅ @左春生
第三章 解析几何	✅ @何瑞杰	✅ @何瑞杰
第四章 矩阵分解	✅ @马世拓	✅ @何瑞杰
第五章 向量微积分	✅ @何瑞杰	🔷 @左春生
第六章 概率与统计	✅ @马世拓	🔷 @左春生
第七章 连续优化	✅ @何瑞杰	🔷 @何瑞杰
第八章 模型和数据	✅ @马世拓	✅ @胡博毓
第九章 线性回归	✅ @王耀晨	🔷 @胡博毓
第十章 降维和主成分分析	✅ @马世拓	🔷 @胡博毓
第十一章 密度估计和混合Gauss模型	🔷 @何瑞杰	🔷 @胡博毓
第十二章 分类和支持向量机	✅ @马世拓	🔷 @胡博毓

• ✅ 已完成
• 🔷 进行中
• ✖️ 未开始​

贡献者名单

姓名	职责	简介
何瑞杰	项目负责人	Datawhale 成员 就读于中山大学数学学院和大湾区大学理学院
马世拓	翻译贡献者	Datawhale 成员 就读于中国科学院大学网络空间安全学院，中国科学院信息工程研究所
王子丞	翻译贡献者
王耀晨	翻译贡献者	Datawhale 成员
胡博毓	审校人	Datawhale成员 对外经济贸易大学应用统计硕士
左春生	审校人	Datawhale 成员

感谢名单（排名不分先后）

微信 id

@lewis56654281, @Basil_Co, @星, @团子猪猪, @以太, @鹏, @牧之, @Young, @念头通达, @朱子静, @klutz, @AAAAD钙批发

Github id

@liandxxxxxxxxxx

参与贡献

• 如果你发现了一些问题，可以提Issue进行反馈，如果提完没有人回复你可以联系保姆团队的同学进行反馈跟进~
• 如果你想参与贡献本项目，可以提Pull request，如果提完没有人回复你可以联系保姆团队的同学进行反馈跟进~
• 如果你对 Datawhale 很感兴趣并想要发起一个新的项目，请按照Datawhale开源项目指南进行操作即可~

关注我们

扫描下方二维码关注公众号：Datawhale

LICENSE

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

注：默认使用CC 4.0协议，也可根据自身项目情况选用其他协议