人工智能基础 数学知识(异步图书出品)
《人工智能基础数学知识》基于流行的Python语言，通俗易懂地介绍了入门人工智能领域必需必会的数学知识，旨在让读者轻松掌握并学以致用。《人工智能基础数学知识》分为线性代数、概率和优化等3篇，共21章，覆盖了人工智能领域中重要的数学知识点。本书写作风格通俗有趣，读者可在潜移默化中掌握这些数学知识以及相关的编程操作，并能从工程落地的角度深刻理解数学在其中的扮演角色和魅力。《人工智能基础数学知识》适合希望投身于人工智能领域且想有一番作为的人员阅读，还适合对人工智能领域背后的逻辑感兴趣的人员阅读。本书还可作为各大高校人工智能专业的参考用书。
《人工智能数学基础》[85M]百度网盘pdf下载
基本信息商品名称：人工智能数学基础作者：编者:唐宇迪//李琳//侯惠芳//王社伟|责编:张云静//杨爽定价：119出版社：北京大学书号：9787301314319其他参考信息（以实物为准）出版时间：2020-08-01印刷时间：2020-08-01版次：1印次：1开本：16开包装：平装页数：540字数：809千字内容提要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。
作者简介唐宇迪，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。
目录目录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
人工智能数学基础pdf github
本书以零基础讲解为宗旨，面向学习数据科学与人工智能的读者，通俗地讲解每一个知识点，旨在帮助读者快速打下数学基础。全书分为4篇，共17章。其中第1篇为数学知识基础篇，主要讲述了高等数学基础、微积分、泰勒公式与拉格朗日乘子法；第2篇为数学知识核心篇，主要讲述了线性代数基础、特征值与矩阵分解、概率论基础、随机变量与概率估计；第3篇为数学知识提高篇，主要讲述了数据科学的几种分布、核函数变换、熵与激活函数；第4篇为数学知识应用篇，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。本书适合准备从事数据科学与人工智能相关行业的读者。
购买链接：m.douban.com/book/subjec…