人工智能数学基础

本书系统、全面地介绍人工智能涉及的数学基础知识，旨在帮助读者构建坚实的数学根基。 ?本书共16章：第1章主要介绍人工智能的概念和发展，以及Python对人工智能算法设计的支持等；第2～7章主要介绍与人工智能相关的数学基础知识，包括向量、矩阵、特征值、矩阵分解、极限和导数，以及微积分、概率论等；第8～11章主要介绍最优化方法、假设检验、相关分析、随机过程等；第12～15章主要介绍回归分析、SVM模型、决策树模型、聚类算法等；第16章主要介绍神经网络。 ?本书不仅适合人工智能的初、中级用户使用，还可以作为各类院校人工智能相关专业的教材或参考书。
【推荐语】
内容体系完整，分层清晰：全书分为基础原理、应用提高、常用算法与模型三大板块，共 16 章，系统讲解线性代数、微积分、概率论等 AI 必备数学知识，循序渐，适配不同基础读者。 理论结合编程，实操性强：搭配大量 Python 代码演示知识，借助 NumPy 等工具实现数学运算与算法案例，将抽象数学理论落地为编程实践。 配套资源丰富，学习辅助完善：章节设置拓展阅读二维码，提供实验、习题、拓展应用等电子资源，构建 “理论 + 实操 + 巩固” 的完整学习体系。 受众覆盖面广，兼顾教学与自学：既可作为高校人工智能相关专业教材，也适合 AI 初、中级从业者、爱好者自学，讲解通俗，难配有提示与案例解析。
【作者】
王社伟，副教授，西北工业大学航空宇航制造专业博士，挪威科技大学访问学者，在数字化制造、企业管理系统、机器学习、数据挖掘等方面有丰富的实战经验。 侯惠芳，河南工业大学教授，解放军信息工程大学通信与信息系统专业博士，擅长机器学习、大数据检索、人工智能和模式识别等。 李琳，河南工业大学副教授，在软件工程、机器学习、人工智能和模式识别等领域有深研究。 张继新，河南工业大学教师，多年来一直从事计算机科学与技术专业的教学工作，研究方向主要为计算机软件与理论、智能计算。