第一章：线性代数：

　　学习一个新东西，首先要从概念开始，抓住其核心点

　　机器学习相关问题中，数据集多是以矩阵的形式存在，而模型的参数如W也是以矩阵或向量的形式存在，所以一个模型从数学的角度来说，就是矩阵间的运算，而运算中矩阵相乘的运算又是最常用的运算。本章后半部分讲解了在机器学习中会用到的一些矩阵运算的概念，如范数、行列式、

特征分解、奇异值分解等

　　一、基本单元：标量、向量、矩阵、张量

　　二、

深度学习（deeplearing）（5月完成）共三部分 第一部分应用数学与机器学习（5.1-5.10）线性代数