機器學習中的概率統(tǒng)計

讀者對象：

想要對機器學習進行深入學習的相關人士；想要對概率統(tǒng)計進一步深入系統(tǒng)地學習的學生和業(yè)內人士；金融量化等數(shù)據(jù)分析行業(yè)的從業(yè)者；理工科專業(yè)高年級本科生和研究生。

本書圍繞機器學習算法中涉及的概率統(tǒng)計知識展開介紹，沿著概率思想、變量分布、參數(shù)估計、隨機過程和統(tǒng)計推斷的知識主線進行講解，結合數(shù)學的本質內涵，用淺顯易懂的語言講透深刻的數(shù)學思想，幫助讀者構建理論體系。同時，作者在講解的過程中注重應用場景的延伸，并利用Python工具無縫對接工程應用，幫助讀者學以致用。

全書共5章。

第1章以條件概率和獨立性作為切入點，幫助讀者建立認知概率世界的正確視角。

第2章介紹隨機變量的基礎概念和重要分布類型，并探討多元隨機變量間的重要關系。

第3章介紹極限思維以及蒙特卡羅方法，并重點分析極大似然估計方法以及有偏無偏等重要性質，最后拓展到含有隱變量的參數(shù)估計問題，...

讀者對象：

想要對機器學習進行深入學習的相關人士；想要對概率統(tǒng)計進一步深入系統(tǒng)地學習的學生和業(yè)內人士；金融量化等數(shù)據(jù)分析行業(yè)的從業(yè)者；理工科專業(yè)高年級本科生和研究生。

本書圍繞機器學習算法中涉及的概率統(tǒng)計知識展開介紹，沿著概率思想、變量分布、參數(shù)估計、隨機過程和統(tǒng)計推斷的知識主線進行講解，結合數(shù)學的本質內涵，用淺顯易懂的語言講透深刻的數(shù)學思想，幫助讀者構建理論體系。同時，作者在講解的過程中注重應用場景的延伸，并利用Python工具無縫對接工程應用，幫助讀者學以致用。

全書共5章。

第1章以條件概率和獨立性作為切入點，幫助讀者建立認知概率世界的正確視角。

第2章介紹隨機變量的基礎概念和重要分布類型，并探討多元隨機變量間的重要關系。

第3章介紹極限思維以及蒙特卡羅方法，并重點分析極大似然估計方法以及有偏無偏等重要性質，最后拓展到含有隱變量的參數(shù)估計問題，介紹EM算法的原理及其應用。

第4章由靜態(tài)的隨機變量過渡到動態(tài)的隨機過程，重點介紹馬爾可夫過程和隱馬爾可夫模型。

第5章聚焦馬爾可夫鏈-蒙特卡羅方法，并列舉實例展示Metropolis-Hastings和Gibbs的具體采樣過程。

張雨萌

資深人工智能技術專家，畢業(yè)于清華大學計算機系，長期從事人工智能領域相關研究工作，諳熟機器學習算法應用及其背后的數(shù)學基礎理論。目前已出版多部機器學習數(shù)學基礎類暢銷書籍，廣受讀者好評。