[图解机器学习] 预备知识

1. 微积分 （求导，极限，极值）
2. 线性代数（矩阵表示、矩阵运算、特征根、特征向量）
3. 算法
   精确算法、近似算法、启发式算法、演化算法、递归算法、贪婪算法等待，还有各类优化算法。
4. 概率论 + 统计 统计模型、统计推断、随机过程等
   统计学导论 网易公开课
5. 线性规划+凸优化（或者只学一门叫numerical optimization，统计、机器学习到最后就是求解一个优化问题）、非线性规划等

• 概率论
  离散型和连续型随机变量
  主要分布（伯努利分布、二项式分布、正态分布、 指数分布、 泊松分布、Beta 和 Gamma 分布）
  矩估计和最大似然估计
  贝叶斯统计
  相关性系数和协方差（Correlation and Covariance）
• 线性代数
  向量和矩阵
  矩阵的行列式
  特征向量和特征值
  矩阵分解（如 SVD）
• 微积分
  极限与导数
  微分和积分
  数值计算与最优化方法