本书是一本系统介绍机器学习所涉及的数学知识和相关Python编程的实例工具书，同时还介绍了非常经典的综合案例，除了编写机器学习的代码，还编写了深度学习的代码。本书一共分为两部分。 第一部分为数学基础知识部分，包含 8个章节，介绍了微积分、线性代数、概率统计、信息论、模糊数学、随机过程、凸优化和图论的系统知识体系及几个数学知识点对应的Python编程实例。通过这些实例，读者能够了解Scikit-learn、Scikit-fuzzy、Theano、SymPy、NetworkX和CVXPY中相应的库函数的应用。 第二部分为案例部分，包含4个章节，介绍了微积分、线性代数和概率统计问题的建模方法、求解流程和编程实现，以及工业生产领域的Python实战，包含了机器学习算法和深度学习PyTorch框架的应用。 在学习本书内容前，建议读者先掌握基本的Python编程知识和数学基础，然后将本书通读一遍，了解本书的大概内容，最后再跟着实例进行操作。 本书既注重数学理论，又偏重编程实践，实用性强，适用于对编程有一定基础，对系统的数学知识非常渴望，想从事人工智能、大数据等方向研究的读者。同时也适合作为广大职业院校相关专业的教材或参考用书。电子元器件是电路设计的基础，而电阻、电容和电感又是电路设计中使用非常普遍的电子元器件。本书从物理层面来阐述这三类元器件的实现原理，帮助读者更好地理解这三类电子元器件的电气特性及其在电路中的应用。 本书分为三篇，每篇对应一类电子元器件，以问答的形式对三类元器件的原理和使用进行详细的解释。每篇还包括元器件的选型规范，帮助读者快速掌握元器件的选型原则。 本书内容深入浅出、浅显易懂，通过丰富的实例来剖析枯燥的原理，适合广大高校学生和电路设计相关工作的工程师。