这一部分主要介绍理解深度学习所需的基本数学概念。首先从应用数学的一般概念开始，我们定义许多变量的函数，找到这些函数的极值点，并量化信念度（quantify degrees of belief）(我的理解是这个信念度是机器学习模型的输出)
之后，本书描述了机器学习的基本目标，并描述怎么在数学上实现这些目标。我们需要指定代表某些信念（期望的输出值）的模型（或函数），然后设计衡量这些期望值与现实对应程度的代价函数（loss）以及使用训练算法最小化这个代价函数（最优化问题）
这一部分主要介绍理解深度学习所需的基本数学概念。首先从应用数学的一般概念开始，我们定义许多变量的函数，找到这些函数的极值点，并量化信念度（quantify degrees of belief）(我的理解是这个信念度是机器学习模型的输出)
之后，本书描述了机器学习的基本目标，并描述怎么在数学上实现这些目标。我们需要指定代表某些信念（期望的输出值）的模型（或函数），然后设计衡量这些期望值与现实对应程度的代价函数（loss）以及使用训练算法最小化这个代价函数（最优化问题）