datawhalechina/math-for-ai

解决的问题

许多想学习机器学习或人工智能的人因为缺乏基础数学知识而遇到瓶颈。本项目汇集了一套完整、组织良好的数学主题——线性代数、解析几何、矩阵分解、向量微积分、概率与统计、连续优化等——让学习者能够在深入算法之前打下所需的基础。

运作方式

该项目是由 Datawhale 社区编写的开源教程。它逐章翻译并改编了英文书籍《Mathematics for Machine Learning》（MML 书）为中文。每一章都由志愿者翻译和审校。内容以 Markdown 文件形式呈现，可通过 docsify 驱动的网站在线阅读，或在仓库根目录运行 docsify serve docs 在本地阅读。目录列出了 12 章，从引言到分类与支持向量机，并带有清晰的进度标记。

适用人群

本教程面向：

• 需要加强 AI 课程数学基础的大学工科学生（计算机科学、电气工程、自动化等）。
• 机器学习与人工智能初学者，包括自学者和在职专业人士。
• 希望加深数学理解以进入高级研究或开发的从业者。

亮点

• 知名机器学习数学教材的完整中文翻译。
• 涵盖广泛的核心主题：线性代数、几何、矩阵分解、微积分、概率、优化等。
• 社区驱动，有活跃的翻译和校对志愿者。
• 免费在线阅读，采用 CC BY-NC-SA 4.0 许可。
• 结构清晰，包含章节链接和进度检查表。