- [一、线性代数](#LA) - [二、概率论](#Pro) - [三、微积分](#Cal) - [四、凸优化](#CO) - [参考资料](#Reference) # 一、线性代数 ## 书籍&视频 - [李宏毅线性代数](http://speech.ee.ntu.edu.tw/~tlkagk/courses.html) - [MIT Linear Algebra](https://ocw.mit.edu/courses/mathematics/18-06sc-linear-algebra-fall-2011/index.htm?utm_source=OCWDept&utm_medium=CarouselSm&utm_campaign=FeaturedCourse) ## 知识点 1）线性空间及线性变换 2）矩阵的基本概念 3）状态转移矩阵 4）特征向量 5）矩阵的相关乘法 6）矩阵的QR分解 7）对称矩阵、正交矩阵、正定矩阵 8）矩阵的SVD分解 9）矩阵的求导 10）矩阵映射/投影 11）矩阵的秩 12）矩阵的特征值和特征空间 # 二、概率论 ## 书籍&视频 - [MIT Introduction to Probability and Statistics](https://ocw.mit.edu/courses/mathematics/18-05-introduction-to-probability-and-statistics-spring-2014/index.htm?utm_source=OCWDept&utm_medium=CarouselSm&utm_campaign=FeaturedCourse) ## 知识点 1）微积分与逼近论 2）极限、微分、积分基本概念 3）利用逼近的思想理解微分，利用积分的方式理解概率 4）概率论基础 5）古典模型 6）常见概率分布 7）大数定理和中心极限定理 8）协方差(矩阵)和相关系数 9）最大似然估计和最大后验估计 二项分布和泊松分布的区别和联系 **参考资料** - [互联网公司 概率面试题整理](https://blog.csdn.net/bertdai/article/details/78070092) - [面试中的概率题](https://www.cnblogs.com/fanling999/p/6777335.html) - [2019 校园招聘算法面试概率题](https://zhuanlan.zhihu.com/p/46592195) # 三、微积分 - [ ] TODO # 四、凸优化 1）凸优化基本概念 2）凸集 3）凸函数 4）凸优化问题标准形式 5）凸优化之Lagerange对偶化 6）凸优化之牛顿法、梯度下降法求解 拉格朗日乘子法能否求解非凸的目标函数问题？ # 参考资料 - [如何看懂深度学习论文里的数学原理部分？](https://www.zhihu.com/question/266533669) - [超级推荐！Mathematics for Machine Learning](https://zhuanlan.zhihu.com/p/35449496) - [图解机器学习的数学基础专辑（完结）总结：who, why, what](https://zhuanlan.zhihu.com/p/36148930) - [《深度学习》](https://github.com/exacity/deeplearningbook-chinese)圣经中有应用数学基础部分 - [优秀的程序员需要懂那些数学知识？](https://www.zhihu.com/question/21425201) - [有什么深度学习数学基础书推荐？](https://www.zhihu.com/question/41459109) - [机器学习理论篇1：机器学习的数学基础](https://zhuanlan.zhihu.com/p/25197792) - [图像处理中的数学方法](http://bicmr.pku.edu.cn/~dongbin/Teaching_files/%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86%E4%B8%AD%E7%9A%84%E6%95%B0%E5%AD%A6%E6%96%B9%E6%B3%95-18-19/index.html) - [MIT数学课程](https://ocw.mit.edu/courses/mathematics/) - [优秀的程序员需要懂那些数学知识？](https://www.zhihu.com/question/21425201/answer/632269759) - [Free online math resources for Machine Learning](https://github.com/Machine-Learning-Tokyo/Math_resources)