Matematikk er en kritisk grunnmur for forståelsen av maskinlæring, og denne boken gir leserne de nødvendige verktøyene. Blant de sentrale emnene som dekkes, finner vi lineær algebra, analytisk geometri, matrisedekomponering, vektorkalkulus, optimalisering, sannsynlighet og statistikk. Disse emnene undervises ofte i separate kurs, noe som kan gjøre det vanskelig for studenter innen datavitenskap eller informatikk, samt fagfolk, å tilegne seg matematikk på en effektiv måte. Denne selvstendige læreboken binder sammen matematikk og maskinlæring, og introduserer de matematiske konseptene med et minimum av forkunnskaper. Den benytter disse konseptene til å avlede fire sentrale metoder innen maskinlæring: lineær regresjon, hovedkomponentanalyse, Gaussiske blandingsmodeller og støttevektormaskiner. For studenter og andre med en matematisk bakgrunn gir disse avledningene et godt utgangspunkt for videre studier innen maskinlæring. For dem som lærer matematikk for første gang, bidrar metodene til å bygge intuisjon og praktisk erfaring ved bruk av matematiske begreper.
