机器学习数学基础李昂北大书籍 pdf下载

内容提要：

        本书从O基础的概率知识谈起，逐步深入至机器学习以及深度学习的分类算法，并在O后配合深度学习的实战案例，介绍Softmax回归函数在手写体数字识别中的具体应用，让读者通过动手编辑代码更深入地了解概率论在人工智能领域的重大作用。 
    本书分为16章，涵盖的内容主要有机器学习及概率、随机试验及概率、随机变量及其分布、多维随机变量及其分布、贝叶斯问题、正态分布、随机变量的数字特征；机器学习中的损失函数、大数定律、样本及抽样分布、参数估计、马尔科夫链、过拟合与欠拟合问题、安装TensorFlow、卷积神经网络和手写体数字识别。 
    本书搭配了大量的插图，以身边的生活现象为基础深入浅出地介绍了什么是概率，特别适合数学基础薄弱、想学习概率又担心自己学不会的初学者阅读，同时也适合机器学习、深度学习的人IT智能爱好者阅读。

作者简介：

    李昂，工学博士，江苏徐州人。曾担任江苏徐州工程机械研究院技术专家、碧桂园授权导师，现任江苏省产业技术研究院集萃道路工程技术与装备研究所信息化部部长。在CSDN上发表博客70余篇。

目录：

OO章    机器学习及概率 
    1.1    机器学习概述 
    1.2    机器学习的发展历史 
    1.3    机器学习的研发进展 
    1.4    机器学习与概率的关系 
第2章    随机试验及概率 
    2.1    概率及概率的特点 
        2.1.1    随机试验 
        2.1.2    样本空间 
        2.1.3    随机事件 
        2.1.4    事件之间的关系 
        2.1.5    事件之间的运算 
    2.2    概率与频率 
        2.2.1    频率 
        2.2.2    概率 
    2.3    等可能概型（古典概型） 
        2.3.1    等可能概型的定义 
        2.3.2    等可能概型的计算公式 
        2.3.3    抛硬币问题 
        2.3.4    组合分析方法 
    2.4    概率小故事——三门问题 
第3章    随机变量及其分布 
    3.1    随机变量 
        3.1.1    引入随机变量的意义 
        3.1.2    随机变量的定义 
        3.1.3    随机变量的分类 
    3.2    离散型随机变量及其分布律 
        3.2.1    离散型随机变量定义 
    …… 
第4章    多维随机变量及其分布 
第5章    贝叶斯问题 
第6章    正态分布 
第7章    随机变量的数字特征 
第8章    机器学习中的损失函数 
第9章    大数定律 
OO0章    样本及抽样分布 
OO1章    参数估计 
OO2章    马尔科夫链 
OO3章    过拟合与欠拟合问题 
OO4章    安装TensorFlow 
OO5章    卷积神经网络 
OO6章    手写体数字识别