在徹底研究機器學習後，筆者體會許多基礎數學不是不會與艱難而是生疏了，如果機器學習的書籍可以將複雜公式從基礎開始一步一步推導，其實可以很容易帶領讀者進入這個領域，同時感受數學不再如此艱澀，這也是我撰寫本書時時提醒自己要留意的事項。
研究機器學習雖然有很多模組可以使用，但是如果不懂相關數學原理，坦白說筆者不會相信未來你在這個領域會有所成就。
這本書講解了下列相關數學的基本知識。
? 資料視覺化使用matplotlib
? 基礎數學模組Math
? 基礎數學模組Sympy
? 數學應用模組Numpy
? 機器學習基本觀念
? 從方程式到函數
? 方程式與機器學習
? 從畢氏定理看機器學習
? 聯立方程式與聯立不等式與機器學習
? 機器學習需要知道的二次函數
? 機器學習的最小平方法
? 機器學習必須知道的集合與機率
? 機率觀念與貝式定理的運用－COVID-19的全民普篩準確性推估
? 筆者講解指數與對數的運算規則，同時驗證這些規則
? 除了講解機器學習很重要的歐拉數(Euler’s Number)，更說明歐拉數的由來
? 認識邏輯(logistic)函數與l
研究機器學習雖然有很多模組可以使用，但是如果不懂相關數學原理，坦白說筆者不會相信未來你在這個領域會有所成就。
這本書講解了下列相關數學的基本知識。
? 資料視覺化使用matplotlib
? 基礎數學模組Math
? 基礎數學模組Sympy
? 數學應用模組Numpy
? 機器學習基本觀念
? 從方程式到函數
? 方程式與機器學習
? 從畢氏定理看機器學習
? 聯立方程式與聯立不等式與機器學習
? 機器學習需要知道的二次函數
? 機器學習的最小平方法
? 機器學習必須知道的集合與機率
? 機率觀念與貝式定理的運用－COVID-19的全民普篩準確性推估
? 筆者講解指數與對數的運算規則，同時驗證這些規則
? 除了講解機器學習很重要的歐拉數(Euler’s Number)，更說明歐拉數的由來
? 認識邏輯(logistic)函數與l
