本书以零基础讲解为宗旨，面向学习数据科学与人工智能的读者，通俗地讲解每一个知识点，旨在帮助读者快速打下数学基础。
全书分为4篇，共17章。其中篇为数学知识基础篇，主要讲述了高等数学基础、微积分、泰勒公式与拉格朗日乘子法；第2篇为数学知识核心篇，主要讲述了线性代数基础、特征值与矩阵分解、概率论基础、随机变量与概率估计；第3篇为数学知识提高篇，主要讲述了数据科学的几种分布、核函数变换、熵与激活函数；第4篇为数学知识应用篇，主要讲述了回归分析、假设检验、相关分析、方差分析、聚类分析、贝叶斯分析等内容。
本书适合准备从事数据科学与人工智能相关行业的读者。

唐宇迪，计算机专业博士，网易云课堂人工智能认证行家，51CTO学院讲师，CSDN博客专家。

章人工智能与数学基础
篇基础篇
第2章高等数学基础
第3章微积分
第4章泰勒公式与拉格朗日乘子法
第2篇核心篇
第5章将研究对象形式化——线性代数基础
第6章从数据中提取重要信息——特征值与矩阵分解
第7章描述统计规律1——概率论基础
第8章描述统计规律2——随机变量与概率估计
第3篇提高篇
第9章随机变量的几种分布
0章数据的空间变换——核函数变换
1章熵与激活函数
第4篇应用篇
2章假设检验
3章相关分析
4章回归分析
5章方差分析
6章聚类分析
7章贝叶斯分析