統計機器學習數理100題（Python版）

《統計機器學習數理100題(Python版)》是一本通過動手實踐,讓讀者掌握人工智能時代必備的“數學”“信息”“數據”等基本技能的書籍。全書通過解決100個數學問題的形式，推導數學公式，編寫Python代碼進行驗證，用實踐讓知識點轉化為實際技能，讓讀者更好地理解機器學習的本質，並具備一定程度的邏輯思維能力。全書共9章，具體內容包括線性回歸、分類分析、重採樣、信息準則、正則化、非線性回歸、決策樹、支持向量機、無監督學習。考慮到數學基礎薄弱的讀者也能很好地學習本書，還特別在開始設置了“線性代數”一章。

《統計機器學習數理100題(Python版)》內容豐富，實踐性強，通過本書不僅能獲得機器學習的相關知識，還能在實踐中構建邏輯思維，獲得在數據科學行業工作的基本素質，適合所有對機器學習·數據科學感興趣的人員學習。



鈴木讓，【日】，大阪大學教授，工學博士，1984年畢業於早稻田大學理工學部，1989年完成早稻田大學博士課程後任該校理工學部助教，1992年任青山學院大學理工學部助教，1994年作為（專任）講師就職于大阪大學理學部。曾任斯坦福大學客座助理教授（1995年－1997年）、耶魯大學客座副教授（2001年－2002年）等職，現任教於大阪大學基礎工學研究科數理科學領域、基礎工學部信息科學科數理科學方向。研究方向涵蓋數據科學、機器學習與統計教育。早在1993年7月就已在人工智能頂級會議（Uncertainty in ArtificialIntelligence）發表貝葉斯網絡相關研究成果。