大数据数学基础（Python语言描述）

图书介绍

本书在编写上，以社会对大数据和人工智能人才的需求为主线来组织相关内容，以大数据和人工智能从业领域的典型案例为编写框架，采用项目与任务分析式结构来组织教学内容，课程单元难度呈阶段性上升，每个任务完成后掌握相关知识点，从理论到实践，通过一个个由浅入深的任务实施引领读者学习大数据和人工智能所需的基础数学理论和知识，更切合知识的接受规律和课堂教学形式。教材采用任务驱动的教学模式来实现整个教学过程。用通俗易懂的语言，通过许多真实生动、内容丰富、步骤清晰的任务案例，使学生和教师在轻松愉快的氛围中教授和学习大数据和人工智能基础数学理论和知识。

书中大部分案例来源于行业、企业真实的项目，更能体现理论和实践相结合的特点。在编写过程中以“必需、够用”为原则，将理论支撑与实践应用相结合，避开空洞的理论讲解及无理论支撑的泛泛应用操作，更符合认知规律及企业人才需求。

图书目录

第1章    绪论    1

1.1    大数据与数学
1.2    数学与Python    6
小结    7
课后习题    7

第2章    微积分基础    10

2.1    函数与极限    10
2.2    导数与微分    26
2.3    微分中值定理与导数的应用    42
2.4    不定积分与定积分    51
小结    65
课后习题    66

第3章    概率论与数理统计基础    68

3.1    数据分布特征的统计描述    68
3.2    概率与概率分布    86
3.3    参数估计与假设检验    108
小结    115
课后习题    115

第4章    线性代数基础    117

4.1    行列式    117
4.2    矩阵及其运算    134
4.3    矩阵的特征分解与奇异值分解    155
小结    174
课后习题    175

第5章    数值计算基础    177

5.1    数值计算的基本概念    177
5.2    插值方法    181
5.3    函数逼近与拟合    192
5.4    非线性方程（组）求根    205
小结    216
课后习题    217

第6章    多元统计分析    220

6.1    回归分析    220
6.2    判别分析    242
6.3    聚类分析    251
6.4    主成分分析    266
6.5    因子分析    277
6.6    典型相关分析    292
小结    297
课后习题    297

附录 t分布表    302

参考文献    304