數學是機器學習和數據科學的基礎，任何期望涉足相關領域并切實領悟具體技術與方法的人都無法繞過數學這一關。本書系統(tǒng)地整理并介紹了機器學習中所涉及的必備數學基礎，這些都是筆者從浩如煙海的數學知識中精心萃取的，在學習和研究機器學習技術時所必須的內容。具體包括微積分（主要是與最優(yōu)化內容相關的部分）、概率論與數理統(tǒng)計、數值計算、信息論、凸優(yōu)化、泛函分析基礎與變分法，以及蒙特卡洛采樣等話題。為了幫助讀者加深理解并強化所學，本書還從上述數學基礎出發(fā)進一步介紹了回歸、分類、聚類、流形學習、集成學習，以及概率圖模型等機器學習領域中的重要話題。其間，本書將引領讀者循序漸進地拆解各路算法的核心設計思想及彼此間的關聯(lián)關系，并結合具體例子演示基于Python進行實際問題求解的步驟與方法。真正做到理論與實踐并重，讓讀者知其然更知其所以然。本書可作為機器學習及相關課程的教學參考書，適用于高等院校人工智能、機器學習或數據挖掘等相關專業(yè)的師生研習之用，也可供從事計算機應用（特別是數據科學相關專業(yè)）的研發(fā)人員參考。