內容大鋼
許多部門和行業都渴望將AI和數據驅動技術整合到自己的系統和運營中。但要構建真正成功的AI系統，你需要牢牢掌握底層的數學知識。這本全面指南彌補了AI所展現出的無限潛力和應用與相關數學基礎之間存在的現實差距。
作者Hala Nelson並沒有討論高深的學術理論，而是以現實世界的應用和最先進的模型為重點，介紹了在人工智慧領域發展所需的數學知識。你將在專門的AI背景下探索回歸、神經網路、卷積、優化、概率、馬爾可夫過程、微分方程等主題。工程師、數據科學家、數學家、科學家將為在AI和數學領域取得成功打下堅實的基礎。
你將能夠：熟練運用AI、機器學習、數據科學和數學的語言；在數學結構下統一機器學習模型和自然語言模型；輕鬆處理圖形和網路數據；探索真實數據，可視化空間變換，降低維度和處理圖像；為不同的數據驅動項目選擇合適的模型；探索AI的各種影響和局限性。
目錄
Preface
1. Why Learn the Mathematics of AI
2. Data, Data, Data
3. Fitting Functions to Data
4. Optimization for Neural Networks
5. Convolutional Neural Networks and Computer Vision
6. Singular Value Decomposition: Image Processing, Natural Language Processing and Social Media
7. Natural Language and Finance AI: Vectorization and Time Series
8. Probabilistic Generative Models
9. Graph Models
10. Operations Research
11. Probability
12. Mathematical Logic
13. Artificial Intelligence and Partial Differential Equations
14. Artificial Intelligence, Ethics, Mathematics, Law, and Policy
Index
[