機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)：概率論與數(shù)理統(tǒng)計(jì)

定　價(jià)：￥79.00

作　者：	李昂著
出版社：	北京大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787301324059	出版時(shí)間：	2021-11-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	312	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書從最基礎(chǔ)的概率統(tǒng)計(jì)知識(shí)講起，逐步深入到機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)的分類算法，并在最后配合深度學(xué)習(xí)的實(shí)戰(zhàn)案例，介紹了softmax回歸函數(shù)在手寫體圖像識(shí)別中的具體應(yīng)用。通過(guò)手動(dòng)編輯代碼，讓讀者更深入地了解概率在人工智能領(lǐng)域的重大作用。全書分為16章，涵蓋的內(nèi)容主要有概率統(tǒng)計(jì)在人工智能發(fā)展過(guò)程中的重要影響；隨機(jī)試驗(yàn)及概率的概念；隨機(jī)變量的分布及多維隨機(jī)變量的分布情況；貝葉斯算法；正態(tài)分布現(xiàn)象；隨機(jī)變量的數(shù)字特征；機(jī)器學(xué)習(xí)中的損失函數(shù)；大數(shù)定律；樣本及抽樣分布的做法；參數(shù)估計(jì)的概念；馬爾科夫鏈；過(guò)擬合與欠擬合問(wèn)題及解決方法；Tensorflow概述及安裝方法；卷積神經(jīng)網(wǎng)絡(luò)介紹；實(shí)驗(yàn)演練之手寫體數(shù)字識(shí)別等。本書配有大量的插圖，以身邊的生活現(xiàn)象為基礎(chǔ)，深入簡(jiǎn)出地介紹了什么是概率統(tǒng)計(jì)，特別適合數(shù)學(xué)基礎(chǔ)薄弱、想學(xué)習(xí)概率統(tǒng)計(jì)又怕自己看不懂的初學(xué)者閱讀。同時(shí)也適合機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的人工智能愛好者閱讀。

作者簡(jiǎn)介

　　李昂，博士，機(jī)械設(shè)計(jì)專業(yè)，曾先后在工程機(jī)械行業(yè)的龍頭企業(yè)徐工集團(tuán)從事CAE仿真工作；在建筑機(jī)器人行業(yè)寡頭碧桂園旗下的博智林機(jī)器人公司擔(dān)任高級(jí)項(xiàng)目經(jīng)理，從事建筑機(jī)器人的整體研發(fā)工作。目前在江蘇集萃道路研究所任職信息化與智能控制部門副部長(zhǎng)。CSDN資深博主，在CSDN上發(fā)表文章70余篇，內(nèi)容涵蓋深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、定位導(dǎo)航等領(lǐng)域。

圖書目錄

目錄
第1章機(jī)器學(xué)習(xí)及概率 1
1.1 機(jī)器學(xué)習(xí)概述 2
1.2 機(jī)器學(xué)習(xí)的發(fā)展歷史 8
1.3 機(jī)器學(xué)習(xí)的研發(fā)進(jìn)展 11
1.4 機(jī)器學(xué)習(xí)與概率的關(guān)系 14
第2章隨機(jī)試驗(yàn)及概率 21
2.1 概率及概率的特點(diǎn) 22
2.2 概率與頻率 28
2.3 等可能概型（古典概型） 32
2.4 概率小故事——三門問(wèn)題 36
第3章隨機(jī)變量及其分布 38
3.1 隨機(jī)變量 39
3.2 離散型隨機(jī)變量及其分布律 42
3.3 隨機(jī)變量的分布函數(shù) 46
3.4 連續(xù)型隨機(jī)變量及其概率密度 47
3.5 概率小故事——星期二男孩 51
第4章多維隨機(jī)變量及其分布 53
4.1 二維隨機(jī)變量 54
4.2 邊緣分布 61
4.3 概率小故事——彭尼的游戲 64
第5章貝葉斯問(wèn)題 69
5.1 由暗戀引發(fā)的思考 70
5.2 貝葉斯概率 71
5.3 貝葉斯算法原理 72
5.4 樸素貝葉斯算法原理 82
5.5 概率小故事——你打游戲能贏嗎 86
第6章正態(tài)分布 89
6.1 生活中的正態(tài)分布現(xiàn)象 90
6.2 正態(tài)分布 91
正態(tài)分布實(shí)驗(yàn) 91
6.3 為何機(jī)器學(xué)習(xí)經(jīng)常用到正態(tài)分布 92
6.4 正態(tài)分布的計(jì)算 93
6.5 概率小故事——你的朋友都比你有人緣？ 99
第7章隨機(jī)變量的數(shù)字特征 104
7.1 數(shù)學(xué)期望 105
7.2 方差 109
7.3 協(xié)方差及相關(guān)系數(shù) 118
7.4 隨機(jī)變量的矩與切比雪夫不等式 125
7.5 概率小故事——賭博默示錄 130
第8章機(jī)器學(xué)習(xí)中的損失函數(shù) 136
8.1 交叉熵?fù)p失函數(shù) 137
8.2 Sigmoid函數(shù)與Softmax回歸問(wèn)題 144
8.2.1 Softmax概述 144
8.3 概率小故事——同一天生日問(wèn)題 148
第9章大數(shù)定律 151
9.1 大數(shù)定律 152
9.2 中心極限定理 157
9.3 概率小故事——捉羊問(wèn)題 160
第10章樣本及抽樣分布 167
10.1 總體及樣本 168
10.2 直方圖和箱線圖 173
10.3 抽樣分布 183
10.4 概率小故事——布豐問(wèn)題 194
第11章參數(shù)估計(jì) 199
11.1 點(diǎn)估計(jì) 200
11.2 區(qū)間估計(jì) 207
11.3 概率小故事——你有病嗎？ 212
第12章馬爾科夫鏈 214
12.1 馬爾科夫鏈概述 215
12.2 隱馬爾科夫鏈與打靶問(wèn)題 225
12.3 概率小故事——偉大的數(shù)學(xué)家 231
第13章過(guò)擬合與欠擬合問(wèn)題 233
13.1 生活中的過(guò)擬合與欠擬合現(xiàn)象 234
13.2 過(guò)擬合與欠擬合概念 235
13.3 解決過(guò)擬合與欠擬合問(wèn)題的“四大金剛” 236
13.4 概率小故事——路邊的陰謀 248
第14章安裝TensorFlow 250
14.1 安裝前準(zhǔn)備工作 251
14.2 開始使用TensorFlow 258
14.3 概率小故事——范進(jìn)中舉是巧合嗎？ 260
第15章卷積神經(jīng)網(wǎng)絡(luò) 262
15.1 卷積神經(jīng)網(wǎng)絡(luò)的生物背景 263
15.2 計(jì)算機(jī)可以做什么 264
15.3 卷積神經(jīng)網(wǎng)絡(luò)的基本概念 264
15.4 卷積神經(jīng)網(wǎng)絡(luò)運(yùn)算過(guò)程 268
15.4.1 卷積神經(jīng)網(wǎng)絡(luò)與前饋神經(jīng)網(wǎng)絡(luò) 268
15.4.2 卷積運(yùn)算的原理 269
15.4.3 卷積運(yùn)算形式 271
15.4.4 卷積網(wǎng)絡(luò)工作方式 271
15.4.5 池化過(guò)程 274
15.5 反向傳播 274
15.6 概率小故事——狼來(lái)了嗎 282
第16章手寫體數(shù)字識(shí)別 284
16.1 LeNet-5模型介紹 285
16.2 手寫體數(shù)字識(shí)別 292
16.3 概率小故事——測(cè)一測(cè)您有多大概率看完本書？ 299