本書(shū)是人工智能數(shù)學(xué)基礎(chǔ)之中的概率論部分, 也是《人工智能的數(shù)學(xué)基礎(chǔ)--數(shù)據(jù)之本》的姊妹篇, 旨在為讀者提供一套較為完整且實(shí)用的隨機(jī)數(shù)學(xué)工具。全書(shū)共分四部分: 第一部分是概率論簡(jiǎn)史 (第1-2章), 介紹了概率論奠基人拉普拉斯的學(xué)術(shù)成就以及概率論發(fā)展簡(jiǎn)史。第二部分是經(jīng)典概率論 (第3-8章), 涉及古典概率論、隨機(jī)變量及其數(shù)字特征、示性函數(shù)、一些常見(jiàn)的分布、大數(shù)律與中心極限定理、隨機(jī)過(guò)程 (包括隨機(jī)分析簡(jiǎn)介)。第三部分是貝葉斯決策與因果推斷 (第9-10章), 涵蓋貝葉斯分析、統(tǒng)計(jì)決策理論、因果分析等內(nèi)容。第四部分是附錄, 包含拉普拉斯變換、卷積的物理意義、正態(tài)分布的由來(lái)、矩陣計(jì)算的一些結(jié)果、凸性與詹森不等式、黎曼-斯蒂爾杰斯積分、測(cè)度論簡(jiǎn)介等背景知識(shí)。