本文转载自：『SIGAI 图灵人工智能』微信公众号 ——
数学是机器学习的内功。作为机器学习的基石，数学知识无论如何是绕不开的，机器学习中大量的问题最终都可以归结为求解最优化问题，微积分、线性代数是最优化方法和理论的基础，很多机器学习算法的建模涉及到概率论，由此可见学好数学知识多么必要。不少准备或刚刚迈入机器学习的同学，在面临数学基础的学习时，会遇到两个问题：
- 不知道机器学习和深度学习到底要用到哪些数学知识
- 无法真正理解这些数学知识，并用于机器学习的推导证明
事实上，要理解和掌握绝大部分机器学习算法和理论，尤其是对做工程应用的人而言，真正所需要的数学知识不过尔尔，主要包括了：
- 微积分
- 线性代数
- 概率论
- 最优化方法
只有明白自己所学的数学知识可以应用到哪一块机器学习的算法或者理论中，才能更有针对的掌握对应的数学知识。另外无论是哪一门学问，都不是一蹴而就的，反反复复地去复习和运用知识，才能牢记掌握，机器学习中的数学知识也不例外。