人工智能數學基礎
陸偉峯 谷瑞 蔡炳育 王美豔
762人在讀
10.8萬字總字數
¥48.86定價
陸偉峯 谷瑞 蔡炳育 王美豔
本書面向廣大數據科學與人工智能專業的學生及初學者，力求通俗易懂、簡潔清晰地呈現學習大數據與人工智能需要的基礎數學知識，助力讀者爲進一步學習人工智能打好數學基礎。 全書分爲 4 篇，共 19 章：微積分篇（第 1～5 章），主要介紹極限、導數、極值、多元函數導數與極值、梯度下降法等；線性代數篇（第 6～10 章），主要介紹向量、矩陣、行列式、線性方程組、特徵值和特徵向量等，並介紹這些數學知識在人工智能中的應用；概率統計篇（第 11～17 章），主要介紹概率、隨機變量、數字特徵、相關分析和迴歸分析，並介紹數據處理的基本方法和 Pandas 在數據處理中的應用；應用篇（第18 章和第 19 章），主要介紹人工智能中典型的全連接神經網絡和卷積神經網絡。 本書既有理論又有應用，既可以用紙筆計算，也可以用 Python 編程計算，讀者可在學習過程中根據需要合理地選擇側重點。 本書既可作爲高職院校數據科學與人工智能專業的教材，也可作爲相關產業從業者的自學或參考用書。
本書覆蓋微積分/線代/概率/Pandas/全連接與卷積網絡，定位應用型本科，涵蓋了基礎Python的應用，是最基礎的人工智能數學+Python。 但線代概率偏淺、Python 以 Pandas 爲主，matplotlib/scipy/stats 缺失、多作者導致“原理—公式—AI應用—代碼”四條線風格斷續。 讀時建議在“索引”——配合 LLM 對話式延伸（如單位圓母圖、方差收窄、μ/σ 人話、連續型開閉等價、 貝葉斯先後驗，AI還是老師傅等），讀時可把書裏斷掉的四線重新焊成一條：幾何直覺→概率直覺→線性壓縮→架構先驗→Agent 調參閉環。 最後的神經網絡和卷積網絡可以作爲入門學習。
是本典型的國內職業學院的教材，對人工智能方向職業培訓過程中總結需要的數學知識很有幫助。裏面都是乾貨，如果學習過相關的知識，用來回顧複習非常好，如果是第一次學習，搭配更詳細的國內外教科書更好。總體來看，值得推薦。