孫博，蘇州工業園區高技能領軍人纔，機器學習愛好者，擅長軟件算法和軟件結構設計。曾在CSDN及多個知名博客網站發錶多篇技術文章，深受讀者喜愛。目前任公司CTO，主持校企閤作實習平颱的建設和搞笑的軟件培訓工作。

《機器學習中的數學》是一本係統介紹機器學習中涉及的數學知識的入門圖書，本書從機器學習中的數學入門開始，以展示數學的友好性為原則，講述瞭機器學習中的一些常見的數學知識。機器學習作為人工智能的核心技術，對於數學基礎薄弱的人來說，其颱階是陡峭的，本書力爭在陡峭的颱階前搭建一個斜坡，為讀者鋪平機器學習的數學之路。

《機器學習中的數學》共19章，分為綫性代數、高等數學和概率3個組成部分。第 1 部分包括嚮量、嚮量的點積與叉積、行列式、代數餘子式、矩陣、矩陣和方程組、矩陣的秩、逆矩陣、高斯—諾爾當消元法、消元矩陣與置換矩陣、矩陣的LU分解、歐幾裏得距離、曼哈頓距離、切比雪夫距離、夾角餘弦等；第2部分包括導數、微分、不定積分、定積分、弧長、偏導、多重積分、參數方程、極坐標係、柱坐標係、球坐標係、梯度、梯度下降算法、方嚮導數、綫性近似、二階近似、泰勒公式、牛頓法、zuixiao二乘法、求解極值、拉格朗日乘子法、KKT條件、歐拉—拉格朗日方程等；第3部分包括概率、古典概型、幾何概型、互斥事件、獨立事件、分布函數、離散型分布、連續型分布等。

《機器學習中的數學》內容全麵，語言簡練，實例典型，實用性強，立足於“友好數學”，與機器學習完美對接，適閤想要瞭解機器學習與深度學習但數學基礎較為薄弱的程序員閱讀，也適閤作為各大高等院校機器學習相關專業的教材。機器學習及數學愛好者、海量數據挖掘與分析人員、金融智能化從業人員等也可選擇本書參考學習。