把科学的故事讲得富于思想性，把技术的问题讲得颇具趣味性。
电子书
编辑推荐
《人工智能基础 数学知识》的目标在于拉低机器学习入门的门槛，揭开人工智能理论层面的神秘面纱。《人工智能基础 数学知识》假设读者没有深厚的理工背景，完全站在一个迫切想入门人工智能的外行的角度上，力争让每个有兴趣、有热情的读者不会在人工智能的大潮中落伍。
《人工智能基础 数学知识》结合工程应用场景以及Python代码来解读人工智能背后的数学原理和意义，使读者不仅知其然，还知其所以然，让学习数学不再枯燥。本书中的案例、代码都是通过精心挑选的，读者通过阅读、模仿和实践，可以很快地发现“人工智能”原来如此。
内容简介
本书基于流行的Python语言，介绍了入门人工智能领域必需必会的数学知识。全书分为线性代数、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。
章节目录
- 扉页
- 版权页
- 作者简介
- 自序
- 致谢
- 前言
- 资源与支持
- 目录
- 第一篇 线性代数
- 第1章 论线性代数的重要性
- 1.1 小白的苦恼
- 1.2 找朋友
- 1.3 找推荐
- 1.4 赚大钱
- 第2章 从相似到向量
- 2.1 问题：如何比较相似
- 2.2 代码示例
- 2.3 专家解读
- 第3章 向量和向量运算
- 3.1 代码示例：在Python中使用向量
- 3.1.1 创建向量
- 3.1.2 向量的范数（模长）
- 3.1.3 向量的相等
- 3.1.4 向量加法（减法）
- 3.1.5 向量的数乘
- 3.1.6 向量的线性组合
- 3.1.7 向量的乘法（点积）
- 3.2 专家解读
- 第4章 最难的事情——向量化
- 4.1 问题：如何对文本向量化
- 4.2 One-Hot Encoding方式
- 4.2.1 做法1：二值化
- 4.2.2 做法2：词频法
- 4.2.3 做法3：TF-IDF
- 4.3 专家解读
- 4.3.1 稀疏向量和稠密向量
- 4.3.2 One-Hot到 Word2Vec
- 第5章 从线性方程组到矩阵
- 5.1 回归预测
- 5.2 从方程组到矩阵
- 5.3 工程中的方程组
- 第6章 空间、子空间、方程组的解
- 6.1 空间和子空间
- 6.2 子空间有什么用
- 6.3 所谓最优解指什么
- 第7章 矩阵和矩阵运算
- 7.1 认识矩阵
- 7.2 创建矩阵
- 7.2.1 代码示例：如何创建矩阵
- 7.2.2 代码示例：如何创建对角矩阵
- 7.2.3 代码示例：如何创建单位矩阵
- 7.2.4 代码示例：如何创建对称矩阵
- 7.3 矩阵运算
- 7.3.1 代码示例：矩阵加法和数乘
- 7.3.2 代码示例：矩阵乘法
- 7.3.3 代码示例：求逆矩阵
- 第8章 解方程组和最小二乘解
- 8.1 代码实战：解线性方程组
- 8.2 代码实战：用最小二乘法解方程组
- 8.3 专家解读：最小二乘解
- 8.3.1 损失函数
- 8.3.2 最小二乘解
- 第9章 带有正则项的最小二乘解
- 9.1 代码实战：多项式回归
- 9.2 代码实战：岭回归
- 9.3 代码实战：Lasso回归
- 第10章 矩阵分解的用途
- 10.1 问题1：消除数据间的信息冗余
- 10.2 问题2：模型复杂度
- 10.3 代码实战：PCA降维
- 10.4 专家解读
- 10.5 从PCA到SVD
- 第11章 降维技术哪家强
- 11.1 问题：高维数据可视化
- 11.2 代码实战：多种数据降维
- 11.3 专家解读：从线性降维到流形学习
- 第12章 矩阵分解和隐因子模型
- 12.1 矩阵分解和隐因子模型概述
- 12.2 代码实战： SVD和文档主题
- 12.3 小结
- 第二篇 概率
- 第13章 概率建模
- 13.1 概率
- 13.2 随机变量和分布
- 13.2.1 （0-1）分布（伯努利分布）
- 13.2.2 二项分布
- 13.2.3 多项分布
- 13.2.4 正态分布
- 13.3 代码实战：检查数据是否服从正态分布
- 13.4 专家解读：为什么正态分布这么厉害
- 13.5 小结
- 第14章 最大似然估计
- 14.1 最大似然原理
- 14.2 代码实战：最大似然举例
- 14.3 专家解读：最大似然和正态分布
- 14.4 最大似然和回归建模
- 14.5 小结
- 第15章 贝叶斯建模
- 15.1 什么是随机向量
- 15.2 随机向量的分布
- 15.3 独立VS不独立
- 15.4 贝叶斯公式
- 15.5 小结
- 第16章 朴素贝叶斯及其拓展应用
- 16.1 代码实战：情感分析
- 16.2 专家解读
- 16.3 代码实战：优选健身计划
- 16.4 小结
- 第17章 进一步体会贝叶斯
- 17.1 案例：这个机器坏了吗
- 17.2 专家解读：从贝叶斯到在线学习
- 第18章 采样
- 18.1 贝叶斯模型的困难
- 18.2 代码实战：拒绝采样
- 18.3 代码实战： ＭＨ采样
- 18.4 专家解读：拒绝采样算法
- 18.4.1 MH算法
- 18.4.2 马尔科夫链和细致平稳条件
- 18.4.3 细致平稳条件和接受率的关系
- 18.5 专家解读：从MH到Gibbs
- 18.6 小结
- 第三篇 优化
- 第19章 梯度下降算法
- 19.1 代码实战：梯度下降算法
- 19.2 专家解读：梯度下降算法
- 19.3 代码实战：随机梯度下降算法
- 19.4 专家解读：随机梯度下降算法
- 19.5 小结
- 第20章 逻辑回归
- 20.1 代码实战：逻辑回归
- 20.2 专家解读：逻辑回归的原理
- 20.3 代码实战：逻辑回归梯度下降算法
- 第21章 凸优化
- 21.1 凸优化扫盲
- 21.2 正则化和凸优化
- 21.3 小结
- 附录A 工作环境搭建说明
- A.1 什么是Python
- A.2 本书所需的工作环境
- A.2.1 Anaconda版本选择
- A.2.2 多版本共存的Anaconda安装方式
- A.2.3 安装Anaconda主版本（Anaconda 2）
- A.2.4 安装Anaconda辅版本（Anaconda 3）
- A.2.5 开发工具的选择
- 结语
展开全部
人工智能基础——数学知识是2020年由人民邮电出版社出版,作者张晓明。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《人工智能基础——数学知识》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
把科学的故事讲得富于思想性，把技术的问题讲得颇具趣味性。
电子书
写给青少年的人工智能科普图书。儿童计算机思维启蒙，助力数学科技逻辑思维成长。
电子书
全面探讨AI理论实践，涵盖逻辑、概率、感知等领域，实际应用贯穿微电子、自动驾驶等热门技术。
电子书
数学基础：从历年数学建模竞赛入手，解读人工智能中的数学方法。编程实践：100余个代码实例，全面讲解网络爬虫、数据存储与数据分析等内容。算法应用：实战案例辅以丰富图解，详尽分析人...
电子书
深入浅出讲述人工智能，全面、立体探讨历史、技术、应用与未来。