제가 가진 책들 목록 주고서 "이 책들 학습했고 이제 머신러닝 알고리즘을 수학적 논리로 파보고 싶다" 뭐 이런 식으로 GPT한테 물어봤는데

이런 책들 추천해주는데 학습하기 많이 어려울까요? (제가 하고 싶은 목적 상은 1번이 끌립니다

단계 책 난이도 특징 비고
① Understanding Machine Learning: From Theory to AlgorithmsShai Shalev-Shwartz & Shai Ben-David ⭐⭐⭐⭐ 머신러닝의 ‘수학적 논리’를 다룸.VC 차원, 일반화, 확률적 경사하강법, SVM 등. PRML보다 논리적·명료, 딥러닝 이전 단계에 완벽
② Mathematics for Machine LearningMarc Peter Deisenroth 외 ⭐⭐⭐ 선형대수·확률·미분 등 머신러닝 수학 기초를 ‘응용 관점’으로 정리 “공업수학 → ML 수학” 다리 역할
③ Pattern Recognition and Machine Learning (PRML)Bishop ⭐⭐⭐⭐⭐ 확률적 모델링·EM 알고리즘·그래픽모델 다만 수학적 베이스가 충분해야 이해 가능
④ Machine Learning: A Probabilistic Perspective (Murphy) ⭐⭐⭐⭐⭐⭐ 확률모델 중심. MLE, MAP, 베이즈 추정, 그래픽모델, EM 완벽히 설명 통계학적 ML 이해의 정점
⑤ All of StatisticsLarry Wasserman ⭐⭐⭐⭐ ML 수학 중 확률·추론 부분만 깊게 다룸 PRML/Murphy 사이의 보조 교재로 좋음