本书介绍了数据驱动的机器学习、人工智能建模与计算所需的核心数学基础知识，涉及数值线性代数（矩阵计算）、概率论和信息论基础及概率模型估计、最优化方法等。内容按照从模式分析到数据分析再到数学基础的思路来组织，围绕数据分析系统的核心构成：表示、模型和学习形成数据线和数学线两条线。数据线按照数据分析的处理流程、通过大量翔实的案例作为导引，引出所需数学；数学线紧扣数据线，按照知识内容发生的内在自然逻辑顺序展开。两者相辅相成，构成从具体到抽象、从抽象到具体的闭环。本书在数据科学的定位类似于《离散数学》在计算机科学的定位，配有相当数量的习题，可作为数据科学与大数据技术、人工智能、计算机科学和软件工程等相关专业的本科生或研究生的数学基础课程教材或参考书，也可作为学术和工业界科技人员了解和应用数据科学与大数据技术数学基础的参考手册。

本书介绍了数据驱动的机器学习、人工智能建模与计算所需的核心数学基础知识，涉及数值线性代数（矩阵计算）、概率论和信息论基础及概率模型估计、最优化方法等。内容按照从模式分析到数据分析再到数学基础的思路来组织，围绕数据分析系统的核心构成：表示、模型和学习形成数据线和数学线两条线。数据线按照数据分析的处理流程、通过大量翔实的案例作为导引，引出所需数学；数学线紧扣数据线，按照知识内容发生的内在自然逻辑顺序展开。两者相辅相成，构成从具体到抽象、从抽象到具体的闭环。本书在数据科学的定位类似于《离散数学》在计算机科学的定位，配有相当数量的习题，可作为数据科学与大数据技术、人工智能、计算机科学和软件工程等相关专业的本科生或研究生的数学基础课程教材或参考书，也可作为学术和工业界科技人员了解和应用数据科学与大数据技术数学基础的参考手册。

黄定江，华东师范大学数据科学与工程学院教授，研究员。 主要从事数据科学、机器学习与人工智能及其在计算金融和教育等跨领域的大数据解析和应用研究等。 先后主持或承担国家自然科学基金、国家重点基础发展规划“973”项目子课题等多个科研项目。