人工智能用书——经典数学书籍整理

人工智能用书

                                                                                                                    ——经典数学书籍整理

1．前言

       接触过智能算法的同学，应该已经意识到数学功底的重要性。毫不夸张地说，所有的算法都是以数学为支撑，想要深刻地理解这些折磨着你，又让你着迷的算法，数学是一条必经之路。

如果数学基础很差，那是不是应该放弃？当然不了，只要喜欢，就要做下去。任何东西都不是一蹴而就的，都需要一个积累的过程。下面笔者将会分享几本经典数学书籍，包括概率论、矩阵论、运筹学、凸优化等领域，希望在你成长的路上加一块砖。

 

2．书单

• 《概率论基础》-李贤平

简介：国内比较推崇的一本书，很多高校都在用，适合入门。

主要内容有对概率论的基本概念、方法、理论和应用作了介绍，具体内容包括事件与概率、条件概率与统计独立性、随机变量与分布函数、数字特征与特征函数等五章。

 

• 《概率论基础教程》-罗斯

简介：很经典的一本书，书中有大量的例子。

书中主要内容有组合分析、概率论公理化、条件概率和独立性、离散和连续型随机变量、随机变量的联合分布、期望的性质、极限定理等。

 

• 《线性代数及其应用》-(美）莱（Lay D.C.） 

简介：难度适中，非数学专业用书。

本书主要内容包括线性方程组、矩阵代数、行列式、向量空间、特征值与特征向量、正交性和最小二乘法、对称矩阵和二次型等。

 

• 《Introduction to Mathematical Statistics and Its Applications》-  Richard J.Larsen / Morris L.Marx 

简介：非常棒的一本数理统计用书，大量的例子可以帮助读者理解隐藏在数学符号下的真实含义。

 

 

• 《Convex Optimization》- StephenBoyd / Lieven Vandenberghe 

简介：很多人推荐。非常经典，内容很全面。

理论部分由4章构成，不仅涵盖了凸优化的所有基本概念和主要结果，还详细介绍了几类基本的凸优化问题以及将特殊的优化问题表述为凸优化问题的变换方法，这些内容对灵活运用凸优化知识解决实际问题非常有用。

应用部分由3章构成，分别介绍凸优化在解决逼近与拟合、统计估计和几何关系分析这三类实际问题中的应用。

算法部分也由3章构成，依次介绍求解无约束凸优化模型、等式约束凸优化模型以及包含不等式约束的凸优化模型的经典数值方法，以及如何利用凸优化理论分析这些方法的收敛性质。

 

• 《Numerical Optimization》- Jorge Nocedal / StephenWright 

简介：国际权威数学教材，也是优化的经典书籍

书中主要讲了各种优化算法，覆盖面很广。

• 《运筹学导论》-(美)希利尔

简介：运筹学经典著作，在美国高校有很高的采用率。

本书主要内容包括：运筹学建模方法、线性规划、灵敏度分析与对偶理论、网络优化模型、排队论、动态规划等.

 

3．总结

大部分都是英文版本的，因为中文翻译过来可能不如原版好理解，建议最好是读英文原版的。

资源还会持续更新的。

需要这些PDF资源的同学可以关注我的微信公众号“人工也智能”；

“人工也智能”口号是“拒绝科普，原创为主”；

扫描关注公众号，希望我能参与你的成长！