本书面向人工智能相关专业（智能科学与技术、控制科学与工程、计算机科学与技术）的本科生，以从人工智能角度理解模式识别和用模式识别原理解决工程问题为目标，将内容分为基础知识、模式分类和模式聚类三大部分，突出简明和实用的特点。书中穿插大量案例，可以帮助学生在掌握基本概念的基础上理解基本原理，熟悉典型方法，做到知其然，知其所以

"本书依据《新时代大学计算机基础课程教学基本要求》（2023版），从计算系统基本原理、Python程序设计、计算思维与问题求解、计算机网络与物联网、数据分析与可视化、人工智能与大模型、信息安全与隐私保护等维度构建教材内容，在强化对学生计算思维能力培养的同时，推进物联网、大数据和人工智能等新技术的普及与应用。本书内容上与

在科技与教育深度融合的新时代背景下，培育德才兼备且具有创新精神和实践技能的人才至关重要。本书融合最优化理论与机器学习技术，配套相关课程为本科生和研究生提供系统全面的学习资源。全书共6章。第1章“绪论”介绍最优化问题的分类和典型应用，为后续学习奠定基础。第2章“凸分析”探讨凸集和凸函数等概念，提供解决优化问题的理论工具。

数值分析作为计算数学的基础研究领域之一，关注一些基础共性问题的计算方法。它通过对问题近似建模，提出解决方案，并将这些方案用计算机程序实现，同时对算法进行理论分析。作为计算数学专业的基础课程，数值分析致力于培养学生设计、分析及提升算法的能力。本书的内容以多项式近似为核心线索，涵盖从多项式插值和逼近到数值微分、积分，再到常

本书是科学出版社“十四五”普通高等教育本科规划教材，系统地介绍贝叶斯统计的概念、方法和实践案例，旨在培养学生的贝叶斯统计思维和统计建模能力，以及将理论知识运用于实践的能力。本书结合丰富的实际案例和计算机实验，帮助学生深入理解贝叶斯统计的原理，并强调贝叶斯统计在不同领域中的应用价值。本书共九章，涵盖贝叶斯统计的基础知识和

本书共分10章，第1章为绪论，包括多元统计分析的发展历史、多元数据的组织及可视化；第2章为矩阵代数基础，包括矩阵的Kronecker乘积和拉直运算，以及矩阵的分解和微分等；第3章和第4章介绍多元统计推断的基本理论，包括多元抽样分布、参数估计和多元正态总体的假设检验等；第5章至第10章介绍常用的多元统计分析方法，包括判别

本书是讲解模式识别的理论基础和典型应用的教材。本书共14章，前12章为基础理论，包含模式识别概述、理论贝叶斯决策、概率密度的估计、线性判别函数、非线性判别函数、其他分类方法、无监督学习、通用特征选择与提取方法、数据特征提取、数据预处理、深度神经网络基础、深度神经网络典型架构；后2章介绍指纹识别、光学字符识别、语音识别、

全书共有8个章节，内容覆盖了概率论的基本概念、随机变量、多维随机变量及其分布、随机变量的数字特征、大数定律及中心极限定理、大数定律及中心极限定理、参数估计、假设检验等，本书语言通俗易懂，逻辑清晰，结构严谨。全书微视频资源，围绕重难点及典型例题进行视频讲解，线上线下相结合，有助于学生更好的理解内容。章末均配有不同难度的课

本书主要介绍了数据分析的基础知识和实操过程。全书共7个单元，第1单元为数据分析概述，第2-6单元以MicrosoftExcel2019软件为例，从数据收集、数据分析常用函数、数据加工与处理、数据分析、数据展示等方面切入，结合具体的案例进行数据剖析；第7单元将理论与实践结合，以某新零售企业的销售数据为例，展现了数据分析完

本书内容包括概率论、数理统计和R语言初步知识等。