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，助力读者为一步学习人工智能好数学基础。 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。 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。<br/>【推荐语】<br/> 本书专门为数据科学和人工智能相关产业的从业者、高职院校和应用型本科的学生造，旨在为读者提供学习数据科学和人工智能所需掌握的数学基础知识，帮助读者了解人工智能算法的基本数学原理，为一步学习人工智能好基础。 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。 本书引人工智能实例，促概念理解。本书引了向量与编码、矩阵与数字图像处理、梯度下降法、回归分析、神经网络等人工智能中的典型案例，使学生初步了解向量、矩阵、导数等基础数学概念和方法在人工智能中的应用，更深刻地理解数学概念和方法，并提高运用数学知识解决问题的能力。<br/>【作者】<br/>陆伟峰，副教授，苏州工业园区服务外包职业学院教师，从事数学、大数据与人工智能相关的教学与研究工作。先后参与编写了《大学数学》《Python基础编程》等教材，发表核心期刊论文2篇，获发明专利1项，并主持多项课题。多次指导学生参加全国大学生数学建模竞赛、江苏省高等职业院校技能大赛大数据技术与应用赛项等并获佳绩。 谷瑞，副教授，苏州工业园区服务外包职业学院教师，从事大数据与人工智能相关的教学与科研工作，先后出版《Python基础编程》《TensorFlow深度学习发实战》等教材，主持省市级教科研项目8项，发表SCI、EI等相关论文4篇。 蔡炳育，副教授，主持或参与完成教研、教改项目28项，获江苏省教学成果二等奖1项。获2020年、2021年省级教学大赛二等奖，省微课大赛三等奖2次，出版教材5部，发表论文15篇。 王美艳，硕士，2006年毕业于华东师范大学，专业方向为李代数与量子群。毕业后一直从事大学数学教学，发表论文数篇，主持横向课题、教改课题多项。<br/>
評論0