人工智能数学基础

　　本书面向广大数据科学与人工智能专业的学生及初学者，力求通俗易懂、简洁清晰地呈现学习大数据与人工智能需要的基础数学知识，助力读者为进一步学习人工智能打好数学基础。 全书分为 4 篇，共 19 章：微积分篇（第 1～5 章），主要介绍极限、导数、极值、多元函数导数与极值、梯度下降法等；线性代数篇（第 6～10 章），主要介绍向量、矩阵、行列式、线性方程组、特征值和特征向量等，并介绍这些数学知识在人工智能中的应用；概率统计篇（第 11～17 章），主要介绍概率、随机变量、数字特征、相关分析和回归分析，并介绍数据处理的基本方法和 Pandas 在数据处理中的应用；应用篇（第18 章和第 19 章），主要介绍人工智能中典型的全连接神经网络和卷积神经网络。 本书既有理论又有应用，既可以用纸笔计算，也可以用 Python 编程计算，读者可在学习过程中根据需要合理地选择侧重点。 本书既可作为高职院校数据科学与人工智能专业的教材，也可作为相关产业从业者的自学或参考用书。

暂缺《人工智能数学基础》作者简介

暂缺《人工智能数学基础》目录