原文标题：这本书让我摆脱了被数学支配的恐惧！
原文作者：图灵编辑部
冷月清谈：
数学篇涵盖主题：
- 函数、数列、向量、矩阵、导数等基础数学知识。
神经网络篇讲述：
- 神经网络的进阶用法。
- 神经网络的最优化和误差反向传播法。
本书亮点：
- 内容轻便，薄厚适中。
- 穿插235幅插图和大量示例，重点难点反复说明。
推荐读者：
- 深度学习爱好者。
- 数学基础薄弱者。
- 渴望研究深度学习但数学不佳者。
作者提示：
- 数学基础薄弱者可借助此书轻松入门深度学习。
- 即使对数学有恐惧感，也不必担心，因为本书提供了一种独特而有趣的学习方式。
怜星夜思：
2、程序员需要掌握哪些数学知识才能游刃有余？
3、数学基础不好，可以通过什么方式来提高呢？
原文内容
1. 数学不好，高端编程有戏吗？
离散数学、微积分、线性代数、矩阵分析......
这些年，光是听到这几个字，我就头冒冷汗，瑟瑟发抖。想起寝室那昏暗的小台灯，考场上四处张望的自己以及被老师通知挂科的场景。
相信每个人的青春岁月里都有一段与数学的虐恋。有的人甚者至今仍活在被数学支配的恐惧中。
读过《算法图解》的朋友，一定看过书里这样一段话：
需要具备的知识
要阅读本书，需要具备基本的代数知识。具体地说，给定函数f(x)= x × 2，f(5)的值是多少呢？如果你的答案为10，那就够了。
另外，如果你熟悉一门编程语言，本章（以及本书）将更容易理解。本书的示例都是使用Python编写的。如果你不懂任何编程语言但想学习一门，请选择Python，它非常适合初学者；如果你熟悉其他语言，如Ruby，对阅读本书也大有帮助。
这是什么意思呢？
作者其实想说，只要具备了初中的数学基础，你就能看懂这本书在讲什么。
那只具备初中数学基础，是不是就能在日常编程中做到得心应手呢？以下来自网友亲身体验：
@哆拉咪唆40f1b ：做数据挖掘，因为没学好线性代数跟概率论，编程时需要用到数学模型。我懵了！觉得自己宛如一个智障。
@靳语雪da：不懂线性代数就开发3D应用的我，一脸懵逼，全程懵逼。我室友她们嘲笑我嘲笑到不行，笑到肚子痛那种。
@HHYYdfatec7c2：通过我学习的经历，学好了数学不一定会学好程序，但想编好程序就一定要学好数学啊，别被前人的经历骗了。
这些血的校训告诉我们，初中数学又怎能够抵御编程界的腥风血雨。
而有关程序员应该掌握多少数学知识的争论，也一直都没有停过。这样的问题比比皆是：
1. 程序员不需要知道太多的数学知识，你认同吗？
2. 程序员需要数学很厉害吗？
3. 优秀程序员应该具备哪些数学知识？
......
其实，对于普通编程，只要具备高中数学水平便可以完成。但是如果是高端编程，因为要涉及到算法、深度学习等，所以强有力的数学功底才是最好的保证。
我不禁想，如果数学不好又想涉足高端编程，比如深度学习，是不是看起来有些痴心妄想？
2. 销量过万，差评原因竟是因为太简单？
于是，我决定寻求一些外力帮助。搜遍全网深度学习类相关图书，力图找到一本能为我解决烦恼的神之书，简直挑花了眼。
目前为止，还没有一本专门讲解深度学习的数学书出现。
直到我看到了这个封面，全网仅此一本。一下吸引住了我的目光。
如此理解读者的作者，想必当初一定是受尽了数学之苦。
这本书上市三个月，销量已经过万册，目前在豆瓣获得了 8.9 分好评。
如果你是深度学习爱好者、重度数学不佳者、或者数学不佳但是渴望研究深度学习者，这本就是你要找的书。
看了其中一位打 3 星朋友的评论。觉得内容很不错，但是就是里面的数学对他来说有点简单。（黑人问号脸.jpg）我不禁流下泪水，这人和人的差距咋就那么大呢？
全书 236 页，薄厚适中。如此小巧，却蕴藏着 235 张插画和大量示例。可以说，书虽小但内容沉甸甸。
你不用担心买回去好久，却只留它在角落里吃灰。相信我你不会这么做的。因为书里有一只小恶魔。你！逃不掉了！
短短五章，除了讲述深度学习的基本知识外，还有学习神经网络需要的相关数学知识。
五章，其他书可能才开始讲神经网络。而这本，已将全部要点呈现给你。没有堆砌概念，直击要点。
准备篇，由小恶魔带你进入深度学习的世界。通过一些基本概念，快速知晓深度学习与神经网络的关系，以及神经网络的工作原理。
数学篇，是本书的重点。涉及函数、数列、向量、矩阵、导数等 12 个主题。涵盖了全部学习神经网络需要掌握的数学基础知识。
神经网络篇。用两章内容来讲解神经网络的进阶用法。其中包括神经网络的最优化、以及神经网络与误差反向传播法。
最后，以神经网络和卷积神经网络结尾。
3. 史无前例，用 Excel 讲解深度学习
除了轻便的内容框架，这本书还有一个最大特点。——用 Excel 玩转深度学习。这也是最让我意外的。
你听过有用 Excel 玩转深度学习的吗？若非我翻开书亲自看过，可能至今都有点不敢相信。
印象中我用 Excel 做表格比较多。但是，这里的 Excel 就要勇猛得多。
你可以用它体验梯度下降法，体验神经网络，体验误差反向传播法，甚至还可以体验卷积神经网络。
究竟怎么玩？咱们先来用 Excel 体验一下梯度下降法。问题是这样的：
那么，如何解答呢？（请思考三分钟，再看下面答案）
是不是觉得蛮好玩的？这些有趣的图示加上 Excel 做深度学习的新颖玩法，让我暂时消除了对数学的恐惧。
因为篇幅有限，剩下的方法就留给大家自己去探索吧！
用平时使用的办公软件就能玩转深度学习，其实它也没有传说中那么高冷，数学亦是。
有时候只需有人帮你把脉路捋顺一下，事情会变得容易得多。
这么独特又实用的书，是否早已跃跃欲试。听说隔壁组已经采购完毕，你的死对头小李，已经开始读了。
目测你们就要相差一百页的距离了。一键下单，超过小李，指日可待！
不想超过小李也没事儿。买给自己的娃儿，让他帮你！
一本书掌握深度学习数学基础知识
《深度学习的数学》
作者：涌井良幸，涌井贞美
译者：杨瑞龙
穿插 235 幅插图和大量具体示例讲解，对易错点、重点反复说明，通俗易懂。书中使用 Excel 进行理论验证，读者可下载随书附带的 Excel 示例文件，亲自动手操作，直观地体验深度学习。适合数学基础薄弱的深度学习初学者阅读，有一定基础的读者也可以通过本书加深理解。
《程序员数学 用Python学透线性代数和微积分》
作者：保罗·奥兰德（Paul Orland）
译者：百度KFive
代码和数学是相知相惜的好伙伴，它们基于共同的理性思维，数学公式的推导可以自然地在编写代码的过程中展开。
500余幅图片，本书以图文结合的方式帮助你用Python代码解决程序设计中的数学问题。
300余个练习，通过边学边练，你会发现线性代数和微积分的重要概念跃然纸上、印在脑中。
