Mathematics for Machine Learning av Marc Peter (University College London) Deisenroth, A. Aldo (Imperial College London) Faisal, Cheng Soon Ong

Boken 'Mathematics for Machine Learning' gir en omfattende innføring i de grunnleggende matematiske verktøyene som er nødvendige for å forstå maskinlæring. Emner som lineær algebra, analytisk geometri, matrisedekomposisjoner, vektorkalkulus, optimalisering, sannsynlighet og statistikk blir ofte undervist i separate kurs. Dette kan gjøre det utfordrende for studenter og fagfolk innen datavitenskap eller informatikk å lære matematikken effektivt. Denne selvstendige læreboken fyller dette gapet mellom matematiske og maskinlæringsrelaterte tekster, og introduserer matematikkens konsepter med et minimum av forkunnskaper. Boken benytter disse teoretiske prinsippene til å utlede fire sentrale maskinlæringsmetoder: lineær regresjon, hovedkomponentanalyse, Gaussiske blandingsmodeller og støttevektor-maskiner. For studenter og andre med en matematisk bakgrunn gir disse utledningene et solid utgangspunkt for videre studier innen maskinlæring. For nybegynnere gir metodene en mulighet til å utvikle intuisjon og praktisk erfaring med anvendelse av matematiske konsepter.