从零开始 (cóng líng kāi shǐ) = Starting from zero/From scratch
机器学习 (jī qì xué xí) = Machine learning
的 (de) = (possessive particle)
数学 (shù xué) = Mathematics/Mathematical
原理 (yuán lǐ) = Principles/Theory
和 (hé) = And
算法 (suàn fǎ) = Algorithm/Algorithms
实践 (shí jiàn) = Practice/Implementation
第1章 补基础：不怕学不懂微积分
第1章 补基础：不怕学不懂微积分
补 (bǔ) = Supplement/Fill in/Make up for
基础 (jī chǔ) = Foundation/Basics
不怕 (bù pà) = Don’t be afraid/Not afraid
学 (xué) = Learn/Study
不懂 (bù dǒng) = Don’t understand/Can’t comprehend
微积分 (wēi jī fēn) = Calculus
p 19 , 机器学习是一门多学科交叉的学科，
机器学习 (jī qì xué xí) = Machine learning
是 (shì) = Is
一门 (yī mén) = One/A (classifier for subjects/disciplines)
多学科 (duō xué kē) = Multi-disciplinary/Multiple disciplines
交叉 (jiāo chā) = Intersection/Cross/Interdisciplinary
的 (de) = (possessive particle)
学科 (xué kē) = Subject/Discipline/Field of study
背后的数学原理涵盖微积分、
背后 (bèi hòu) = Behind/Underlying
的 (de) = (possessive particle)
数学 (shù xué) = Mathematics/Mathematical
原理 (yuán lǐ) = Principles/Theory
涵盖 (hán gài) = Cover/Include/Encompass
微积分 (wēi jī fēn) = Calculus
线性代数、概率统计等相关内容，
线性代数 (xiàn xìng dài shù) = Linear algebra
概率统计 (gài lǜ tǒng jì) = Probability and statistics
等 (děng) = And so on/Such as/Etc.
相关 (xiāng guān) = Related/Relevant
内容 (nèi róng) = Content/Material/Subject matter
它的核心是“使用算法解析数据并从中学习，
它的 (tā de) = Its/It’s
核心 (hé xīn) = Core/Essence
是 (shì) = Is
使用 (shǐ yòng) = Use/Utilize
算法 (suàn fǎ) = Algorithm/Algorithms
解析 (jiě xī) = Analyze/Parse/Process
数据 (shù jù) = Data
并 (bìng) = And
从中 (cóng zhōng) = From it/From within
学习 (xué xí) = Learn
然后对世界上的某件事情做出预测”。
然后 (rán hòu) = Then/And then
对 (duì) = Towards/About/Regarding
世界上 (shì jiè shàng) = In the world/Worldwide
的 (de) = (possessive particle)
某件 (mǒu jiàn) = Some/A certain (classifier for matters/things)
事情 (shì qíng) = Thing/Matter/Event
做出 (zuò chū) = Make/Produce
预测 (yù cè) = Prediction/Forecast
机器学习有着广阔的应用空间，
机器学习 (jī qì xué xí) = Machine learning
有着 (yǒu zhe) = Has/Possesses
广阔 (guǎng kuò) = Broad/Wide/Vast
的 (de) = (possessive particle)
应用 (yìng yòng) = Application/Use
空间 (kōng jiān) = Space/Room/Scope
能发挥巨大作用，
能 (néng) = Can/Able to
发挥 (fā huī) = Exert/Play/Bring into play
巨大 (jù dà) = Huge/Enormous/Great
作用 (zuò yòng) = Role/Effect/Function
但要深入掌握算法的内部原理
但 (dàn) = But/However
要 (yào) = To want/Need to
深入 (shēn rù) = Deep/In-depth/Thorough
掌握 (zhǎng wò) = Master/Grasp
算法 (suàn fǎ) = Algorithm/Algorithms
的 (de) = (possessive particle)
内部 (nèi bù) = Internal/Inner
原理 (yuán lǐ) = Principles/Theory
就必须了解相关算法背后的数学原理。
就 (jiù) = Then/Must
必须 (bì xū) = Must/Have to
了解 (liǎo jiě) = Understand/Know
相关 (xiāng guān) = Related/Relevant
算法 (suàn fǎ) = Algorithm/Algorithms
背后 (bèi hòu) = Behind/Underlying
的 (de) = (possessive particle)
数学 (shù xué) = Mathematics/Mathematical
原理 (yuán lǐ) = Principles/Theory
搞清楚这些数学原理相关的知识，可
以帮助我们选择正确的算法、选择参数设置和验证策略、识别欠拟合
和过拟合现象等。微积分就是机器学习背后极其重要且不可或缺的一
类数学知识。绝大多数机器学习算法在训练或者预测时会碰到最优化
问题，而最优化问题的解决需要用到微积分中函数极值的求解知识，
可以说微积分是机器学习数学大厦的基石。
微积分是一门由工程实践问题“催生”的学科，大量的工程实践问
题促使了微积分的产生，总结来说主要有以下4类问题。
（1）求解变速运动的瞬时速度。
（2）求解曲线上某点处的切线。
（3）求解函数的最大值和最小值。
（4）求解曲线的长度、曲面的面积、物体体积等。