人工智能数学基础
陆伟峰 谷瑞 蔡炳育 王美艳
762人在读
10.8万字总字数
¥48.86定价
陆伟峰 谷瑞 蔡炳育 王美艳
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。
本书覆盖微积分/线代/概率/Pandas/全连接与卷积网络，定位应用型本科，涵盖了基础Python的应用，是最基础的人工智能数学+Python。 但线代概率偏浅、Python 以 Pandas 为主，matplotlib/scipy/stats 缺失、多作者导致“原理—公式—AI应用—代码”四条线风格断续。 读时建议在“索引”——配合 LLM 对话式延伸（如单位圆母图、方差收窄、μ/σ 人话、连续型开闭等价、 贝叶斯先后验，AI还是老师傅等），读时可把书里断掉的四线重新焊成一条：几何直觉→概率直觉→线性压缩→架构先验→Agent 调参闭环。 最后的神经网络和卷积网络可以作为入门学习。
是本典型的国内职业学院的教材，对人工智能方向职业培训过程中总结需要的数学知识很有帮助。里面都是干货，如果学习过相关的知识，用来回顾复习非常好，如果是第一次学习，搭配更详细的国内外教科书更好。总体来看，值得推荐。