前言　PREFACE

對于數據科學和人工智能的從業者和學生而言，概率論和數理統計是一門非常重要的基礎課，因為現代人工智能和大數據理論是建立在概率統計之上的模型系統，它利用概率統計的“語言”完成人機交互和復雜系統的運行。筆者希望讀者通過本書的學習，能打好概率統計基礎，進而對后續人工智能、大數據挖掘等專業課起到良好的推動作用。

在廣義的計算機科學的學習過程中，很多初學者遭遇的挫折大多來自抽象的數學推導。傳統的概率論教學以板書的形式展開，強調理論的完整且細致的證明，這種帶有濃重的數學風格的教學模式給很多學生造成了一定程度的困擾，特別是理工科學生，他們不學習數學專業，對數學的興趣也不算高，他們更喜歡實現具體的模型和算法。筆者認為，要理解一個算法的內在邏輯，沒有數學知識是不行的，但也不能一味地追求數學形式的完整，一般來講，學生具備必要的能讀懂文獻的數學基礎就可以工作了，不需要把書寫得那么“數學化”。

本書內容

本書旨在幫助讀者解決技術書籍過于“數學化”，一方面本書遵循概率論和數理統計的教學大綱，在數學方面不過于強調，沒有過多展開；另一方面，利用Python工具，實現了大部分的理論和模型，使讀者通過“實踐”簡化學習過程，提高代碼編寫能力，增強動手能力，為進一步學習人工智能和大數據科學奠定良好的基礎。

本書特色

本書在附錄中提供了Python基礎、微積分基礎、線性代數基礎和NumPy基礎，零基礎的讀者也能入門。采用計算機程序模擬數學推導的方法使數學知識更為清晰易懂，對初學者更加友好。

本書適合大數據與人工智能相關專業師生和企業一線開發人員參考，也適合對數據科學有興趣的研究人員學習。

李　爽

2023年1月