似乎每个理科生都在生命的一大段时间中幻想过自己精通各种理论和技术，理科生的装腔相比其他人要硬核得多，说起话来也更加烧脑。

有时他们看到跑车就想聊起涡轮增压发动机马力和排量的关系，看到飞机起飞就想讲一讲空气动力学上伯努利方程如何计算升力。

宇宙浩瀚，他们想从冥王星的发现谈到中微子的实验。打开电脑，又想在5分钟内就能黑入五角大楼盗取军事机密，还不留踪迹。

对于他们来说，那些人工智能的理论都是小儿科，不管是机器学习还是神经网络都可以轻松上手。

但这些都是他们的幻想，事实上很多刚入门机器学习的人，一看到那些难以理解的数学公式时就感到头痛，让原本并不富余的数学储备，更是雪上加霜。

想入门，先学会放弃

根据知乎某作者的高赞回答，如果现在入门机器学习，先要做到两个「放弃」。

1. 放弃海量资料

在我们想要入门机器学习的时候，往往会搜集很多资料，什么 xx 学院机器学习内部资源、机器学习从入门到进阶百 G 资源、xx 人工智能教程，等等。很多时候我们拿着十几 G、几百 G 的学习资源，然后踏踏实实地放到了某云盘里存着，等着日后慢慢学习。

殊不知，有 90% 的人仅仅只是搜集资料、保存资料而已，放在云盘里一年半载也忘了打开学习。所以，第一步就是要放弃海量资料！而是选择一份真正适合自己的资料，好好研读下去！

2. 放弃从零起步

说到入门，很多人会想着那就要从最基础的知识开始学起！机器学习是一门融合概率论、线性代数、凸优化、计算机、神经科学等多方面的复杂技术。

学好机器学习需要的理论知识很多，有些人可能基础不是特别扎实，就想着从最底层的知识开始学起，概率论、线性代数、机器学习凸优化公式推导，等等。但是这样做的坏处是比较耗时间，而且容易造成「懈怠学习」，打消学习的积极性。

因为啃书本和推导公式相对来说是比较枯燥的，远不如自己搭建一个简单的回归模型更能激发自己的学习积极性。那谁来帮助我们推到这些难以理解数学公式，谁又能快速帮你搭建一个回归模型呢？我们刚刚上架了一本很奇特的书，叫《白话机器学习的数学》。如果只看书名，肯定会觉得这本是很钢铁直男式的技术书。但如果你看到封面时，你会有其他想法。

虽然书的内容很硬核，通过回归和分类的具体实例问题，逐步讲解了机器学习中实用的数学知识，但特点在于它的原版来自日本，书里结合了日式漫画的对话风格，将数学知识的讲解故事化，让问题更加真实，让解答更加细致。

这本书讲了一个什么故事？

书里故事大致是这样的。

一天，萌妹程序员绫乃，「天降横祸」，领导让她尽快学习一下机器学习。自觉废柴的绫乃于是便找到多年的好友美绪，美绪也是个程序员，刚好是研究 CV（计算机视觉）的学霸。 但美绪说，机器学习中编程不是难事，困难的是里面的「数学」。一大串一大串鬼画符般的公式，你读都不会读，更别说理解了。于是两个萌妹程序员开始了一场围绕「机器学习」和「数学」的快速学习。

告别那些动辄七八百页深奥又沉重的技术书，这本书除去附录只有 200 页左右，却将机器学习中最基础的数学部分全部囊括其中，终于不用再纠结于自己的数学储备而逃避机器学习了。