機器學習之數學基礎：概率統計與算法應用

本書先從概率論的基礎講起，然後逐步深入到概率論在機器學習中的應用，最後結合機器學習實戰案例，重點介紹了概率論的概念及其在機器學習中的應用。通過本書讀者不但可以系統地學習常見概率的相關知識，還能對機器學習開發有更深入的理解。

本書共10章，涵蓋的主要內容：機器學習概述；為什麼機器學習需要概率論；概率的定義；集合和事件；獨立性；概率的性質；常見的計算概率方法；離散型和連續型概率分佈；離散型和連續型概率分佈的期望值、方差與標準差；幾種常見的離散型和連續型概率分佈；條件概率；聯合概率；邊緣概率；貝葉斯理論；隨機過程簡介；馬爾可夫鏈；隱馬爾可夫模型；高斯過程；常見的機器學習Python庫；機器學習分類算法和回歸算法簡介；概率論在分類算法和回歸算法中的應用；常見的分類算法和回歸算法；強化學習簡介；有趣的機器人遊戲；GAN；圖片風格轉換。本書內容通俗易懂，案例豐富，實用性強，不僅適合概率論的入門讀者和進階讀者閱讀，也適合機器學習從業者、人工智能算法專家等其他人工智能愛好者閱讀。另外，本書也可以作為相關培訓機構的教材。



朱寧，中國工程物理研究院碩士，有多年的人工智能工作經驗，先後擔任華為人工智能算法工程師和微軟資深算法工程師，在機器學習和深度學習方面有深厚的理論基礎與豐富的實戰經驗。主要從事機器學習中圖像分析、自然語言處理和強化學習的前沿算法研究工作，從0到1多次主導明星產品落地。工作期間，技術成果豐碩，曾經多次取得突破性技術成果並發表相關論文。