张雨萌

资深人工智能技术专家，毕业于清华大学计算机系，长期从事人工智能领域相关研究工作，谙熟机器学习算法应用及其背后的数学基础理论。目前已出版多部机器学习数学基础类畅销书籍，广受读者好评。

本书围绕机器学习算法中涉及的概率统计知识展开介绍，沿着概率思想、变量分布、参数估计、随机过程和统计推断的知识主线进行讲解，结合数学的本质内涵，用浅显易懂的语言讲透深刻的数学思想，帮助读者构建理论体系。同时，作者在讲解的过程中注重应用场景的延伸，并利用Python工具无缝对接工程应用，帮助读者学以致用。

全书共5章。

 第1章以条件概率和独立性作为切入点，帮助读者建立认知概率世界的正确视角。
 第2章介绍随机变量的基础概念和重要分布类型，并探讨多元随机变量间的重要关系。
 第3章介绍极限思维以及蒙特卡罗方法，并重点分析极大似然估计方法以及有偏无偏等重要性质，最后拓展到含有隐变量的参数估计问题，介绍EM算法的原理及其应用。
 第4章由静态的随机变量过渡到动态的随机过程，重点介绍马尔可夫过程和隐马尔可夫模型。
 第5章聚焦马尔可夫链-蒙特卡罗方法，并列举实例展示Metropolis-Hastings和Gibbs的具体采样过程。

如今人工智能大热，机器学习吸引了无数学者，可其中复杂枯燥的数学理论往往让很多数学基础薄弱的学者迷失方向。这是一本非常适合初学者的好书，作者用生动的语言和清晰的逻辑带领读者从基础的数学理论出发，逐步深入机器学习的实际应用中。Python的代码演示让读者不仅能亲身体验机器学习的魅力，更能从实践中获取实用的技能。
 ——英国医疗研究协会分子生物学实验室研究员 杨心怡

在人工智能的浪潮中，国内外量化金融领域的发展日趋成熟，程序化交易比例在市场交易量的占比逐年增高。与此同时，包括摩根士丹利、高盛、摩根大通等投行和投资机构都开始布局和转型人工智能，大批交易员和分析师被自动算法取代。每一个立志成为量化分析师的金融从业人员，都面临着数学基础和编程能力两座大山。本书作者以Python为工具，深入浅出地讲解了概率统计在机器学习中的运用，生动直观，值得一读。
 ——长城证券投资银行部业务董事 柏路

伴随着机器学习理论的不断演进，一大批基于机器学习理论的人工智能应用在多个领域不断落地，极大地推动了人工智能技术的发展。当前，掌握机器学习的相关技术，点亮机器学习的技能点，成为广大从业人员实现职业晋升的高端武器。众所周知，机器学习理论的发展正是得益于线性代数、概率统计等数学工具的支撑。基于这一点，作者围绕机器学习理论背后的概率统计知识，由浅入深，从概率思想、参数估计、随机过程等多个方面进行介绍，并通过Python代码助力读者掌握机器学习的要领。
  ——中国农业银行总行研发中心 高级工程师 高山