谷歌與MIT聯袂巨著：《計算機科學的數學》

該書用了千頁的篇幅講述了五大板塊的內容。其中第一篇就由證明到數據型講述了數學分析的基本內容，該篇幅為計算機科學的開發者們提供了寶貴的推理和邏輯演繹能力。隨后在第二篇「結構」中，該書以數論開始講述，首先就重點介紹了數論的主題整數集的性能，并由此衍生到計算機科學最基礎的結構圖論（Graphs）或者說是網絡（networks）。在隨后的兩章節中，該書又向我們介紹了計算理論和概率論，這一部分在我們構建機器學習模型時十分重要和有效。

在該書中，作者在第四章著重介紹了對機器學習算法有重要作用的概率論，其中從概率論那一部分的目錄和簡介可以看出來作者主要講述了基本的概率定義和數字特征與假設檢驗基礎，隨后由這些基本概率論的定義引出了統計學模型，包括中心極限定理，切比雪夫不等式和馬爾可夫理論等重要內容。而這些統計學概念和模型卻又正好是機器學習的方法基礎。