人工智能數學基礎

數據科學與人工智能數學基礎課旨在幫助讀者快速打下數學基礎，通俗講解每一個知識點。 全書分為3篇，共17章。其中第1篇為基礎篇，主要講述了高等數學基礎、微積分、泰勒公式與拉格朗日；第2篇為核心知識篇，主要講述了線性代數基礎、特徵值與矩陣分解、隨機變量與概率估計、概率論基礎、數據科學的幾種分佈、核函數變換、熵與激活函數；第3篇為 應用篇，主要講述了回歸分析、假設檢驗、相關分析、方差分析、聚類分析、貝葉斯分析等內容。書中案例均是與AI相關的案例。 本書適合準備從事或學習數據科學與人工智能相關行業的讀者。

唐宇迪

計算機博士，雲課堂人工智能認證行家，著有《跟迪哥學機器學習》，課程風格通俗易懂，用最接地氣的方式帶領同學們走進Ai殿堂。侯惠芳，博士，教授，主要研究方向信息安全、計算智能。 2010年畢業於解放軍信息工程大學獲博士學位。中國計算機學會會員。主要研究方向信息安全、計算智能。李琳，副教授，任職於河南工業大學，主要從事計算機基礎類課程的教學及研究，主要研究方向是軟件工程、圖像處理開發。王社偉，博士，副教授，近五年在核心學術期刊及學術會議上發表第一作者論文6篇，其中EI收錄4篇，主持、參與完成各類科研項目3項，參編教材2部。

目錄 第1 章 人工智能與數學基礎..........１ 
第 1 篇 基礎篇................................................................. 9
第 2 章 高等數學基礎 ................. １0 
第 3 章 微積分..............................39 
第 4 章 泰勒公式與拉格朗日 乘子法..............................53 

第 2 篇 核心篇............................................................... 69 
第 5 章 將研究對象形式化—線性 代數基礎 ..........................70 
第 6 章 從數據中提取重要信息— 特徵值與矩陣分解..........127 
第 7 章 描述統計規律 1—概率論 基礎................................155 
第 8 章 描述統計規律 2—隨機變量 與概率估計........................185 

提高篇............................................................. 225 
第 9 章 隨機變量的幾種分佈...... 226 
第 10 章 數據的空間變換—核函數 變換............................. 287 
第 11 章 熵與激活函數 .............. 323 
第 12 章 假設檢驗 ..................... 344 
第 13 章 相關分析...................... 375 
第 14 章 回歸分析......................409 
第 15 章 方差分析......................449 
第 16 章 聚類分析......................469 
第 17 章 貝葉斯分析....................513