书名：人工智能基础 数学知识  
定价：55.0  
ISBN：9787115523198  
作者：张晓明  
版次：第1版  
出版时间：2020-02  

内容提要：  
本书基于流行的Python语言，通俗易懂地介绍了入门人工智能领域必需必会的数学知识，旨在让读者轻松掌握并学以致用。 本书分为线性代数、概率和优化等3篇，共21章，覆盖了人工智能领域中重要的数学知识点。本书写作风格通俗有趣，读者可在潜移默化中掌握这些数学知识以及相关的编程操作，并能从工程落地的角度深刻理解数学在其中的扮演角色和魅力。 本书适合希望投身于人工智能领域且想有一番作为的人员阅读，还适合对人工智能领域背后的逻辑感兴趣的人员阅读。本书还可作为各大高校人工智能专业的参考用书。  

作者简介：  
张晓明，网名大圣。国内早期的竞价搜索工程师，曾就职雅虎、阿里、移动等大型互联网公司，担任过数据专家、技术总监等职务，服务过广告、电商、移动运营商、互联网金融等多行业，有 15 年以上的数据挖掘、机器学习一线工程经验。现为自由职业者、独立咨询顾问、独立讲师。  

目录：  
第 一篇　线性代数  
第 1 章　论线性代数的重要性 …………………………………………………………… 2  
1.1　小白的苦恼 ………………………………………………………………………… 2  
1.2　找朋友 ……………………………………………………………………………… 4  
1.3　找推荐 ……………………………………………………………………………… 7  
1.4　赚大钱 ………………………………………………………………………………10  
第 2 章　从相似到向量 …………………………………………………………………… 12  
2.1　问题：如何比较相似 ………………………………………………………………12  
2.2　代码示例 ……………………………………………………………………………12  
2.3　专家解读 ……………………………………………………………………………17  
第 3 章　向量和向量运算 ………………………………………………………………… 20  
3.1　代码示例：在 Python 中使用向量 ………………………………………………20  
3.1.1　创建向量 …………………………………………………………………………… 20  
3.1.2　向量的范数（模长） ……………………………………………………………… 21  
3.1.3　向量的相等 ………………………………………………………………………… 21  
3.1.4　向量加法（减法） ………………………………………………………………… 22  
3.1.5　向量的数乘 ………………………………………………………………………… 23  
3.1.6　向量的线性组合 …………………………………………………………………… 24  
3.1.7　向量的乘法（点积） ……………………………………………………………… 25  
3.2　专家解读 ……………………………………………………………………………26  
第 4 章　*难的事情——向量化 ………………………………………………………… 27  
4.1　问题：如何对文本向量化 …………………………………………………………28  
4.2　One-Hot Encoding 方式 …………………………………………………………29  
4.2.1　做法 1：二值化 …………………………………………………………………… 31  
4.2.2　做法 2：词频法 …………………………………………………………………… 32  
4.2.3　做法 3：TF-IDF …………………………………………………………………… 33  
4.3　专家解读 ……………………………………………………………………………34  
4.3.1　稀疏向量和稠密向量 ……………………………………………………………… 34  
4.3.2　One-Hot 到 Word2Vec …………………………………………………………… 35  
第 5 章　从线性方程组到矩阵 …………………………………………………………… 38  
5.1　回归预测 ……………………………………………………………………………39  
5.2　从方程组到矩阵 ……………………………………………………………………41  
5.3　工程中的方程组 ……………………………………………………………………42  
第 6 章　空间、子空间、方程组的解 …………………………………………………… 44  
6.1　空间和子空间 ………………………………………………………………………45  
6.2　子空间有什么用 ……………………………………………………………………46  
6.3　所谓*优解指什么 …………………………………………………………………48  
第 7 章　矩阵和矩阵运算 ………………………………………………………………… 50  
7.1　认识矩阵 ……………………………………………………………………………50  
7.2　创建矩阵 ……………………………………………………………………………51  
7.2.1　代码示例：如何创建矩阵 ………………………………………………………… 51  
7.2.2　代码示例：如何创建对角矩阵 …………………………………………………… 52  
7.2.3　 代码示例：如何创建单位矩阵 ………………………………………………… 53  
7.2.4　代码示例：如何创建对称矩阵 …………………………………………………… 54  
7.3　矩阵运算 ……………………………………………………………………………55  
7.3.1　代码示例：加法和数乘 …………………………………………………………… 55  
7.3.2　代码示例：矩阵乘法 ……………………………………………………………… 56  
7.3.3　代码示例：求逆矩阵 ……………………………………………………………… 57  
第 8 章　解方程组和*小二乘解 ………………………………………………………… 58  
8.1　代码实战：解线性方程组 …………………………………………………………58  
8.2　代码实战：用*小二乘法解方程组 ………………………………………………59  
8.3　专家解读：*小二乘解 ……………………………………………………………61  
8.3.1　损失函数 …………………………………………………………………………… 61  
8.3.2　*小二乘解 ………………………………………………………………………… 63  
第 9 章　带有正则项的*小二乘解 ……………………………………………………… 65  
9.1　代码实战：多项式回归 ……………………………………………………………66  
9.2　代码实战：岭回归 …………………………………………………………………69  
9.3　代码实战：Lasso 回归 ……………………………………………………………71  
第 10 章　矩阵分解的用途 ……………………………………………………………… 74  
10.1　问题 1：消除数据间的信息冗余 …………………………………………………74  
10.2　问题 2：模型复杂度 ………………………………………………………………78  
10.3　代码实战：PCA 降维 ……………………………………………………………79  
10.4　专家解读 …………………………………………………………………………82  
10.5　从 PCA 到 SVD ……………………………………………………………………84  
第 11 章　降维技术哪家强 ……………………………………………………………… 86  
11.1　问题：高维数据可视化 …………………………………………………………86  
11.2　代码实战：多种数据降维 ………………………………………………………89  
11.3　专家解读：从线性降维到流形学习 ……………………………………………92  
第 12 章　矩阵分解和隐因子模型 ……………………………………………………… 94  
12.1　矩阵分解和隐因子模型概述 ……………………………………………………94  
12.2　代码实战： SVD 和文档主题………………………………………………………96  
12.3　小结 …………………………………………………………………………… 100  
*二篇　概率  
第 13 章　概率建模 ……………………………………………………………………… 102  
13.1　概率 …………………………………………………………………………… 102  
13.2　随机变量和分布 ……………………………………………………………… 103  
13.2.1　0-1分布（伯努利分布）………………………………………………………… 104  
13.2.2　二项分布 ………………………………………………………………………… 104  
13.2.3　多项分布 ………………………………………………………………………… 105  
13.2.4　正态分布 ………………………………………………………………………… 107  
13.3　代码实战：检查数据是否服从正态分布 …………………………………… 108  
13.4　专家解读：为什么正态分布这么厉害 ……………………………………… 111  
13.5　小结 …………………………………………………………………………… 111  
第 14 章　*大似然估计 ………………………………………………………………… 112  
14.1　*大似然原理 ………………………………………………………………… 112  
14.2　代码实战：*大似然举例 …………………………………………………… 113  
14.3　专家解读：*大似然和正态分布 …………………………………………… 115  
14.4　*大似然和回归建模 ………………………………………………………… 117  
14.5　小结 …………………………………………………………………………… 118  
第 15 章　贝叶斯建模 …………………………………………………………………… 119  
15.1　什么是随机向量 ……………………………………………………………… 119  
15.2　随机向量的分布 ……………………………………………………………… 120  
15.3　独立 VS 不独立 ………………………………………………………………… 123  
15.4　贝叶斯公式 …………………………………………………………………… 123  
15.5　小结 …………………………………………………………………………… 124  
第 16 章　朴素贝叶斯及其拓展应用 …………………………………………………… 125  
16.1　代码实战：情感分析 ………………………………………………………… 125  
16.2　专家解读 ……………………………………………………………………… 128  
16.3　代码实战：优选健身计划 …………………………………………………… 130  
16.4　小结 …………………………………………………………………………… 136  
第 17 章　进一步体会贝叶斯 …………………………………………………………… 137  
17.1　案例：这个机器坏了吗 ……………………………………………………… 137  
17.2　专家解读：从贝叶斯到在线学习 …………………………………………… 141  
第 18 章　采样 …………………………………………………………………………… 142  
18.1　贝叶斯模型的困难 …………………………………………………………… 143  
18.2　代码实战：拒绝采样 ………………………………………………………… 144  
18.3　代码实战： ＭＨ采样 …………………………………………………………… 147  
18.4　专家解读：拒绝采样算法 …………………………………………………… 150  
18.4.1　MH 算法 ………………………………………………………………………… 151  
18.4.2　马尔科夫链和细致平稳条件 …………………………………………………… 152  
18.4.3　细致平稳条件和接受率的关系 ………………………………………………… 153  
18.5　专家解读：从 MH 到 Gibbs ………………………………………………… 154  
18.6　小结 …………………………………………………………………………… 155  
第三篇　优化  
第 19 章　梯度下降算法 ………………………………………………………………… 158  
19.1　代码实战：梯度下降算法 …………………………………………………… 159  
19.2　专家解读：梯度下降算法 …………………………………………………… 162  
19.3　代码实战：随机梯度下降算法 ……………………………………………… 167  
19.4　专家解读：随机梯度下降算法 ……………………………………………… 168  
19.5　小结 …………………………………………………………………………… 169  
第 20 章　逻辑回归 ……………………………………………………………………… 171  
20.1　代码实战：逻辑回归 ………………………………………………………… 173  
20.2　专家解读：逻辑回归的原理 ………………………………………………… 174  
20.3　代码实战：逻辑回归梯度下降算法 ………………………………………… 177  
第 21 章　凸优化 ………………………………………………………………………… 179  
21.1　凸优化扫盲 …………………………………………………………………… 181  
21.2　正则化和凸优化 ……………………………………………………………… 182  
21.3　小结 …………………………………………………………………………… 183  
附录 A　工作环境搭建说明 ……………………………………………………………… 184  
A.1　什么是 Python …………………………………………………………………… 184  
A.2　本书所需的工作环境 …………………………………………………………… 187  
A.2.1　Anaconda 版本选择 …………………………………………………………… 187  
A.2.2　多版本共存的 Anaconda 安装方式 …………………………………………… 188  
A.2.3　安装 Anaconda 主版本（Anaconda 2） ……………………………………… 188  
A.2.4　安装 Anaconda 辅版本（Anaconda 3） ……………………………………… 190  
A.2.5　开发工具的选择 ………………………………………………………………… 190  
结语……………………………………………………………………………………………193