人工智能数学基础

数据科学与人工智能数学基础课旨在帮助读者快速打下数学基础，通俗讲解每一个知识点。 全书分为3篇，共17章。其中第1篇为基础篇，主要讲述了高等数学基础、微积分、泰勒公式与拉格朗日；第2篇为核心知识篇，主要讲述了线性代数基础、特征值与矩阵分解、随机变量与概率估计、概率论基础、数据科学的几种分布、核函数变换、熵与激活函数；第3篇为 应用篇，主要讲述了回归分析、假设检验、相关分析、方差分析、聚类分析、贝叶斯分析等内容。书中案例均是与AI相关的案例。 本书适合准备从事或学习数据科学与人工智能相关行业的读者。

唐宇迪，计算机博士，云课堂人工智能认证行家，著有《跟迪哥学机器学习》，课程风格通俗易懂，用最接地气的方式带领同学们走进Ai殿堂。侯惠芳，博士，教授，主要研究方向信息安全、计算智能。2010年毕业于解放军信息工程大学获博士学位。中国计算机学会会员。主要研究方向信息安全、计算智能。李琳，副教授，任职于河南工业大学，主要从事计算机基础类课程的教学及研究，主要研究方向是软件工程、图像处理开发。王社伟，博士，副教授，近五年在核心学术期刊及学术会议上发表第一作者论文6篇，其中EI收录4篇，主持、参与完成各类科研项目3项，参编教材2部。

目录 第1 章 人工智能与数学基础..........１ 第 1 篇 基础篇................................................................. 9 第 2 章 高等数学基础 ................. １0 第 3 章 微积分..............................39 第 4 章 泰勒公式与拉格朗日 乘子法..............................53 第 2 篇 核心篇............................................................... 69 第 5 章 将研究对象形式化—线性 代数基础 ..........................70 第 6 章 从数据中提取重要信息— 特征值与矩阵分解..........127 第 7 章 描述统计规律 1—概率论 基础................................155 第 8 章 描述统计规律 2—随机变量 与概率估计........................185 提高篇............................................................. 225 第 9 章 随机变量的几种分布...... 226 第 10 章 数据的空间变换—核函数 变换............................. 287 第 11 章 熵与激活函数 .............. 323 第 12 章 假设检验 ..................... 344 第 13 章 相关分析...................... 375 第 14 章 回归分析......................409 第 15 章 方差分析......................449 第 16 章 聚类分析......................469 第 17 章 贝叶斯分析....................513