資料科學是從單純的“大”資料提煉出“智慧”的資料,以供人們發現新知識並輔助決策的綜合交叉學科.本書簡要闡述資料科學的數學基礎.全書共11章,內容包括線性代數基礎、線性空間與線性變換、向量與矩陣範數、矩陣分解、概率統計基礎、隨機過程、最優化基礎、線性規劃、常用無約束最優化方法、常用約束最優化方法以及綜合案例.除第11章外,每章都有應用實例與該章內容緊密結合,以進一步加強讀者對知識點的理解和掌握.所有的應用實例和第11章綜合案例的代碼都在Windows作業系統下利用Python 3.7編寫,並在互動式解譯器IDLE上調試通過.
本書可作為高等院校大資料、人工智慧等相關專業的教材,也可供從事大資料、人工智慧及相關領域教學、研究和應用開發的人員參考.