本書面向廣大數(shù)據(jù)科學(xué)與人工智能專業(yè)的學(xué)生及初學(xué)者，力求通俗易懂、簡(jiǎn)潔清晰地呈現(xiàn)學(xué)習(xí)大數(shù)據(jù)與人工智能需要的基礎(chǔ)數(shù)學(xué)知識(shí)，助力讀者為進(jìn)一步學(xué)習(xí)人工智能打好數(shù)學(xué)基礎(chǔ)。
全書分為 4 篇，共 19 章：微積分篇（第 1～5 章），主要介紹極限、導(dǎo)數(shù)、極值、多元函數(shù)導(dǎo)數(shù)與極值、梯度下降法等；線性代數(shù)篇（第 6～10 章），主要介紹向量、矩陣、行列式、線性方程組、特征值和特征向量等，并介紹這些數(shù)學(xué)知識(shí)在人工智能中的應(yīng)用；概率統(tǒng)計(jì)篇（第 11～17 章），主要介紹概率、隨機(jī)變量、數(shù)字特征、相關(guān)分析和回歸分析，并介紹數(shù)據(jù)處理的基本方法和 Pandas 在數(shù)據(jù)處理中的應(yīng)用；應(yīng)用篇（第18 章和第 19 章），主要介紹人工智能中典型的全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)。
本書既有理論又有應(yīng)用，既可以用紙筆計(jì)算，也可以用 Python 編程計(jì)算，讀者可在學(xué)習(xí)過(guò)程中根據(jù)需要合理地選擇側(cè)重點(diǎn)。
本書既可作為高職院校數(shù)據(jù)科學(xué)與人工智能專業(yè)的教材，也可作為相關(guān)產(chǎn)業(yè)從業(yè)者的自學(xué)或參考用書。