机器学习的基础是数学，数学基础决定了机器学习从业人员的上限，想要学好机器学习，就必须学好数学。
机器学习所需要的数学知识，包括了数学分析(微积分)，线性代数，概率论，统计，应用统计，数值分析，常微分方程，偏微分方程，数值偏微分方程，运筹学，离散数学，随机过程，随机偏微分方程，抽象代数，实变函数，泛函分析，复变函数，数学建模，拓扑，微分几何，渐近分析......
这么多数学知识，不管是硕士阶段还是博士阶段的研究生，是没法学完全的，必须有所取舍，本文根据本科三年级的数学基础，整理出了机器学习最必须掌握的数学知识要点，最主要是高等数学、线性代数、概率论与数理统计三门课程的内容。
高等数学必须掌握的知识点：导数、微分、泰勒公式等概念。
线性代数必须掌握的知识点：向量、矩阵、行列式、秩、线性方程组、特征值和特征向量。
概率论与数理统计必须掌握的知识点：随机事件和概率、概率的基本性质和公式、常见分布、期望、协方差。
本文整理的资料，分为高等数学、线性代数、概率论与数理统计三部分。
这个资料页数比较多，建议收藏慢慢看。
这个资料包含：1.原版ppt，2.ppt里面内容的pdf教材整理（国内教材和CS229数学基础翻译）
本文内容较多，建议收藏慢慢看。
下载方式：
关注公众号，回复“数学基础回顾”可以获取下载地址。
课件完整内容
下载方式：
关注公众号，回复“数学基础回顾”可以获取下载地址。
