機器學習之數學基礎：概率統計與算法應用（簡體書）

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為深入的理解。
本書共10章，涵蓋的主要內容：機器學習簡介；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簡介；離散型和連續型概率的期望值、方差和標準差；幾種常見的離散型和連續型概率分布；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；隱馬爾克夫模型；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，不僅等

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。

概率論是機器學習最重要的數學概念之一，它與統計學和線性代數構成了機器學習算法的基礎。概率論是機器學習中的一條必經之路。 本書特色
從零開始：從概率論的基本概念開始講解，詳細介紹機器學習中的各種概率理論。
角度新穎：從人工智能工程師的角度出發，帶領讀者重新認識有用且有趣的概率。
公式總結：用簡單的公式解釋複雜的概率問題，幫助讀者學習和記憶重點內容。
實用圖表：提供了豐富的圖表，方便讀者建立概率的直觀印象。
實例豐富：結合大量實例進行講解，並使用 Python 代碼驗證。
經驗總結：全面歸納和整理作者多年的機器學習實踐與培訓經驗。