最近想開始寫一個新的系列，這次不是 coding 了，而是數學。當然我不是數學專業的，數學基礎其實很差，但又很感興趣，真的是人菜癮又大。
正是因為我很菜，所以這個系列討論的東西不是很難的數學，都是大學裡學過的基礎知識，包括概率論與統計學，微積分，線性代數等，我希望以一個重新審視的角度來回顧這些知識，重點是理解它們的本質原理和應用，而不是像大學裡學習的時候那樣整天推公式刷題。
因此我不會像教科書一樣一步步地羅列基礎概念和公式，而是針對性地找一些我認為比較有意思的課題，通常是一些定理和公式結論之類的，進行探討。我也儘可能地少用複雜的數學公式，而是從直觀的角度來探討它們的原理。
這個系列先從概率論與統計學開始，它是機器學習的基礎，也是經濟金融學科等方向的最重要的基礎數學科目；甚至從實用性的角度來說，可以說這是大學裡學過的，對將來工作生活最有用的一門的數學課，沒有之一。統計學不像其它數學學科那樣，有那麼多令人望而生畏的公式符號和抽象概念（儘管也很多），它所討論的東西是如此地貼近生活和直覺，然而它有時候卻又非常反直覺，底層又隱藏著如此深刻而嚴謹的數學原理；這種從直觀出發，建立數學模型並回歸本質原理的過程，是它吸引人的地方。
目錄
概率論與統計學