作者Hala Nelson并没有讨论高深的学术理论，而是以现实世界的应用和最先进的模型为重点，介绍了在人工智能领域发展所需的数学知识。你将在专门的AI背景下探索回归、神经网络、卷积、优化、概率、马尔可夫过程、微分方程等主题。工程师、数据科学家、数学家、科学家将为在AI和数学领域取得成功打下坚实的基础。
你将能够：熟练运用AI、机器学习、数据科学和数学的语言；在数学结构下统一机器学习模型和自然语言模型；轻松处理图形和网络数据；探索真实数据，可视化空间变换，降低维度和处理图像；为不同的数据驱动项目选择合适的模型；探索AI的各种影响和局限性。

Preface
1. Why Learn the Mathematics of AI
2. Data, Data, Data
3. Fitting Functions to Data
4. Optimization for Neural Networks
5. Convolutional Neural Networks and Computer Vision
6. Singular Value Decomposition: Image Processing, Natural Language Processing and Social Media
7. Natural Language and Finance AI: Vectorization and Time Series
8. Probabilistic Generative Models
9. Graph Models
10. Operations Research
11. Probability
12. Mathematical Logic
13. Artificial Intelligence and Partial Differential Equations
14. Artificial Intelligence, Ethics, Mathematics, Law, and Policy

许多部门和行业都渴望将AI和数据驱动技术整合到自己的系统和运营中。但要构建真正成功的AI系统，你需要牢牢掌握底层的数学知识。这本全面指南弥补了AI所展现出的无限潜力和应用与相关数学基础之间存在的现实差距。