機器學習之數學基礎：概率統計與算法應用

本書先從概率論的基礎講起，然後逐步深入到概率論在機器學習中的應用，最後結合機器學習實戰案例，重點介紹了概率論的概念及其在機器學習中的應用。通過本書讀者不但可以系統地學習常見概率的相關知識，還能對機器學習開發有更為深入的理解。
      本書共 10章，涵蓋的主要內容:機器學習簡介;為什麽機器學習需要概率論;概率的定義;集合和事件;獨立性;概率的性質;常見的計算概率方法;離散型和連續型概率簡介;離散型和連續型概率的期望值、方差和標準差;幾種常見的離散型和連續型概率分佈;條件概率;聯合概率;邊緣概率;貝葉斯理論;隨機過程簡介;馬爾可夫鏈;隱馬爾克夫模型;高斯過程;常見的機器學習 Python 庫;機器學習分類算法和回歸算法簡介;概率論在分類算法和回歸算法中的應用;常見的分類算法和回歸算法;強化學習簡介;有趣的機器人游戲;GAN;圖片風格轉換。
      本書內容通俗易懂，案例豐富，實用性強，不僅適合概率論的入門讀者和進階讀者閱讀，也適合機器學習從業者、人工智能算法專家等其他人工智能愛好者閱讀。另外，本書也可以作為相關培訓機構的教材。