◎用最淺顯的例子說明最重要的公式◎以初學者的角度出發，不再被數學擊敗全書分為「線性代數」、「機率」和「最佳化」等3篇，共21章，涵蓋了人工智慧領域中重要的數學知識點。本書寫作風格通俗有趣，讀者可在潛移默化中掌握這些數學知識以及相關的程式設計操作，並能從專案的角度深刻理解數學在其中的扮演角色和魅力。第1篇 線性代數介紹向量、矩陣的概念和運算，並透過向量空間模型、多項式回歸、嶺回歸、Lasso回歸、矩陣分解等實用技術。 第2篇 機率介紹機率的基本概念，重點介紹頻率學派的最大似然估計和貝氏學派的最大後驗機率這兩種建模，尤其是貝氏定理可說是機器學習最重要的理論。 第3篇 最佳化介紹凸最佳化的理論知識，並介紹梯度下降演算法、隨機梯度下降演算法以及邏輯回歸演算法的程式實現。讀者讀完本書再進一步學習人工智慧時，會發現原來這麼前端的技術，竟然也是來自於你我生活中的數學。適合讀者群 希望投身人工智慧領域、對人工智慧領域背後的邏輯感興趣者，或作為大專院校人工智慧課程的參考用書。本書特色機器學習都是數學，多項式、矩陣、向量、高維空間、機率、統計，本書幫你複習高中、大學工程數學，打下最紮實的基礎，看懂機器學習到底在做什麼。作者本身是和電腦完全無關的醫學背景出身，也是無師自通，從頭開始學起，深知學習的完整路徑，用最淺顯的例子來說明最重要的公式。從初學到高手，研究機器學習的過程，完整記錄在本書中。
