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，最后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更为深入的理解。
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，不仅等

朱宁，中国工程物理研究院硕士，有多年的人工智能工作经验，先后担任华为人工智能算法工程师和微软资深算法工程师，在机器学习和深度学习方面有深厚的理论基础与丰富的实战经验。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 多次主导明星产品落地。工作期间，技术成果丰硕，曾经多次取得突破性技术成果
并发表相关论文。

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，最后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更为深入的理解。
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，不仅等

朱宁，中国工程物理研究院硕士，有多年的人工智能工作经验，先后担任华为人工智能算法工程师和微软资深算法工程师，在机器学习和深度学习方面有深厚的理论基础与丰富的实战经验。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 多次主导明星产品落地。工作期间，技术成果丰硕，曾经多次取得突破性技术成果
并发表相关论文。