16.1K ·GitHub
这是什么？
这是《Mathematics For Machine Learning》一书的配套网站，提供与书中各章对应的练习和 Jupyter 笔记本。
这是《Mathematics For Machine Learning》一书的配套网站，提供与书中各章对应的练习和 Jupyter 笔记本。这是完整的书，还是只是补充材料？这是补充材料，而不是书的正文本身。完整的书由剑桥大学出版社（Cambridge University Press）单独出版，本仓库提供配套的练习和笔记本。
这是补充材料，而不是书的正文本身。完整的书由剑桥大学出版社（Cambridge University Press）单独出版，本仓库提供配套的练习和笔记本。我该怎么运行这些笔记本？你可以通过 README 中的托管链接直接在线运行，也可以直接在 Google Colab 中打开。试用无需任何本地配置。
你可以通过 README 中的托管链接直接在线运行，也可以直接在 Google Colab 中打开。试用无需任何本地配置。我需要自己安装 Python 或 Jupyter 吗？不需要。笔记本可以在 Binder 或 Google Colab 上在线运行，你无需在本地安装任何东西，直接在浏览器中就能使用。
不需要。笔记本可以在 Binder 或 Google Colab 上在线运行，你无需在本地安装任何东西，直接在浏览器中就能使用。这本书会讲高级机器学习技术吗？不会。本书有意不讲高级机器学习方法，因为已经有许多其他书籍讲解这些内容；它只专注于阅读这些内容所需的数学技能。
不会。本书有意不讲高级机器学习方法，因为已经有许多其他书籍讲解这些内容；它只专注于阅读这些内容所需的数学技能。这本书是怎么编排的？全书分为两部分：第一部分讲授数学基础并配有练习；第二部分介绍建立在这些基础之上的机器学习算法示例，并配有相应的 Jupyter 笔记本。
全书分为两部分：第一部分讲授数学基础并配有练习；第二部分介绍建立在这些基础之上的机器学习算法示例，并配有相应的 Jupyter 笔记本。笔记本里涵盖了哪些机器学习算法？目前笔记本涵盖线性回归、主成分分析（PCA）和高斯混合模型（GMM），每个算法都配有一本教程笔记本和一本解答笔记本。
目前笔记本涵盖线性回归、主成分分析（PCA）和高斯混合模型（GMM），每个算法都配有一本教程笔记本和一本解答笔记本。这本书到底适合谁看？本书面向希望打下数学基础、以便读懂其他更高级机器学习书籍的人，而不是已经熟悉这些数学的人。
本书面向希望打下数学基础、以便读懂其他更高级机器学习书籍的人，而不是已经熟悉这些数学的人。What are similar projects?Book4_Power-of-Matrix, Book-Mathematical-Foundation-of-Reinforcement-Learning, The-Art-of-Linear-Algebra, awesome-math, Probabilistic-Programming-and-Bayesian-Methods-for-Hackers, awesome-datascience, the-craft-of-selfteaching, MathModel
Book4_Power-of-Matrix, Book-Mathematical-Foundation-of-Reinforcement-Learning, The-Art-of-Linear-Algebra, awesome-math, Probabilistic-Programming-and-Bayesian-Methods-for-Hackers, awesome-datascience, the-craft-of-selfteaching, MathModelWhich topics is it in?linear-algebra, textbook, science, students, mathematics, statistics, academic, jupyter notebook, data-science, book, beginner-friendly, guide
linear-algebra, textbook, science, students, mathematics, statistics, academic, jupyter notebook, data-science, book, beginner-friendly, guide