对于大部分希望学习机器学习或者有想学习机器学习算法的朋友，可能都距离开大一大二数学理论与储备的距离很远了。 但是无论是时代的滚滚车轮，还是来自生活、学习的压力，对于希望涉足机器学习相关领域（传统机器学习算法、深度学习、强化学习等）、甚至想要深入进行相关研究的人，数学就已经把绝大多数人拒之门外了。
本书的目标就是希望解决这种困境，把那些无意间随着时间流逝而去的数学知识再让时间还回来，以进行更进一步的算法学习和研究。
对机器学习有兴趣的学生，朋友，具有高中数学基础，默认已经掌握python3的相关知识
将包括线性代数、概率论、微积分以及优化理论。可以逐个学习，也可以多路并进
1、当前大多数的书籍都存在缺乏练习的情况，本书会在每一节提供相应的练习与解答
2、当前python已经实际占据了机器学习数学大厦的大半壁江山，本书的关键点将提供基于python3的用法或实现
3、jupyter notebook是必须的。本书将提供基于conda的运行时环境安装步骤
1、线性代数、概率论、微积分、最优化的最小集知识与练习
2、扩展集知识
3、机器学习传统算法的推导与实现（基于最小集数学内容）
4、最新的机器学习或者人工智能算法推导与实现（扩展集）
第一个阶段：完成最小集知识与实现
第二个阶段：完成传统的机器学习算法知识体系
第三个阶段：基于当前最新的机器学习算法进行实现
目标：
构建绝大多数机器学习理论的数学原理大厦；
为工程和研究提供清晰明了的理论道路。
助力降低机器学习学习及入门难度，降低传统工程师进入门槛，提升工程化使用算法的准确性。
欢迎为了志同道合的朋友加入参与贡献。 加入并进行贡献，请联系suwei1202@163.com
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。