本書是人工智能數(shù)學基礎之中的概率論部分, 也是《人工智能的數(shù)學基礎--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用的隨機數(shù)學工具。全書共分四部分: 第一部分是概率論簡史 (第1-2章), 介紹了概率論奠基人拉普拉斯的學術成就以及概率論發(fā)展簡史。第二部分是經(jīng)典概率論 (第3-8章), 涉及古典概率論、隨機變量及其數(shù)字特征、示性函數(shù)、一些常見的分布、大數(shù)律與中心極限定理、隨機過程 (包括隨機分析簡介)。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、矩陣計算的一些結果、凸性與詹森不等式、黎曼-斯蒂爾杰斯積分、測度論簡介等背景知識。