机器学习之数学基础：概率统计与算法应用

本书先从概率论的基础讲起，然后逐步深入到概率论在机器学习中的应用， 结合机器学习实战案例，重点介绍了概率论的概念及其在机器学习中的应用。通过本书读者不但可以系统地学习常见概率的相关知识，还能对机器学习开发有 为深入的理解。 本书共 10章，涵盖的主要内容:机器学习简介;为什么机器学习需要概率论;概率的定义;集合和事件;独立性;概率的性质;常见的计算概率方法;离散型和连续型概率简介;离散型和连续型概率的期望值、方差和标准差;几种常见的离散型和连续型概率分布;条件概率;联合概率;边缘概率;贝叶斯理论;随机过程简介;马尔可夫链;隐马尔克夫模型;高斯过程;常见的机器学习 Python 库;机器学习分类算法和回归算法简介;概率论在分类算法和回归算法中的应用;常见的分类算法和回归算法;强化学习简介;有趣的机器人游戏;GAN;图片风格转换。 本书内容通俗易懂，案例丰富，实用性强，不仅适合概率论的入门读者和进阶读者阅读，也适合机器学习从业者、人工智能算法专家等其他人工智能爱好者阅读。另外，本书也可以作为相关培训机构的教材。

朱宁 中国工程物理研究院硕士研究生，有多年的人工智能工作经验，先后任职华为AI算法工程师和微软 算法工程师，对机器学习和深度学习有深厚的理论基础和实战经验。主要从事机器学习中图像分析、自然语言处理和强化学习的前沿算法研究工作，从0到1多次 明星产品落地。工作期间，技术成果丰硕，曾经多次取得突破性技术成果，并发表了相关论文。