auto_ai 知识库

Appearance

一句话总结：《人工智能中的数学：基础与实验》是一本以"表示—计算—度量"三大问题为主线、配三级递进实验的高教社新教材——既是 AI 数学地基的导航图，也是把数学连接到模型与大模型微调实践的桥梁。

图书档案 ​

项目信息
书名人工智能中的数学：基础与实验（Mathematics in Artificial Intelligence: Foundations and Experiments）
作者黄廷祝、赵熙乐、蒋太翔、郑玉棒、李良（电子科技大学数学与 AI 交叉团队）
出版社高等教育出版社（中国教育出版传媒集团）
ISBN / 定价978-7-04-066628-1 / 48.00 元
出版2026-02-24，16 开平装，240 千字
荣誉2026 亚太人工智能教育优秀教材一等奖（2026-05-23 福州亚太 AI 教育大会）

为什么值得读 ​

  • 名校定制：为电子科技大学"ECE 领军计划"核心课程"人工智能数学基础与实验"打造，出版当学期即被多所高校选用
  • 作者权威：黄廷祝为国家级教学名师、原电子科大教务处处长/数学科学学院院长，团队长期做数学与 AI 交叉研究
  • 理念创新：以"数学基础—模型构建—智能求解—前沿案例实验"为主线，凝练表示、计算、度量三大基础问题，打通"数学基础→模型算法→工程实验"的壁垒
  • 低门槛实验：三级递进实验（入门测试→基础实验→挑战项目）+ "氛围编程"，配套课件/视频/课程网站

九章内容地图（怎么用这本书） ​

模块章节核心内容知识库关联
基础1 AI 简史三大流派（符号/连接/行为）、三次浪潮人工智能导论-绪论与发展史
基础2 数学表示代数（向量/矩阵/张量）、图（邻接矩阵）、函数（逼近/基函数组合）—
基础3 基础计算元素级 / 矩阵级 / 卷积运算（1D·2D 离散卷积）AI基础概念-嵌入与向量检索
基础4 度量范数、熵、距离、余弦相似度、交叉熵 → 无监督聚类案例AI基础概念-嵌入与向量检索
高阶5 矩阵分解特征值分解（Markov 链）、SVD（数据压缩）、低秩分解（推荐系统 + 大模型微调）[AI-Agent-模型微调](/学习笔记/AI技术/AI Agent/AI-Agent-模型微调)
高阶6 回归分析线性（一元/多元）、非线性（多项式/幂律/指数）、正则化人工智能导论-机器学习
高阶7 深度神经网络感知机、MLP、深度 CNN、大语言模型概要人工智能导论-神经网络与深度学习
高阶8 优化算法梯度下降、SGD、Adam人工智能导论-机器学习
前沿9 科学智能AI for Science、微分方程数值解、PINNs 求解 Poisson 方程—
附录实验基础Python/PyTorch 环境与语法、LLM 辅助编程Python-速查-基础语法与数据类型

与知识库打通的三处关键 ​

  1. 余弦相似度（第4章） ↔ AI基础概念-嵌入与向量检索——嵌入检索的数学本质就是向量度量
  2. 低秩分解·大模型微调（第5章） ↔ [AI-Agent-模型微调](/学习笔记/AI技术/AI Agent/AI-Agent-模型微调)——LoRA 本质就是低秩分解思想（低秩矩阵近似权重增量）
  3. LLM 概要（第7章） ↔ AI基础概念-大语言模型与Token——从数学视角看 Token 与自回归

读法建议 ​

  • 求职 Agent 工程师：优先第 2/4/5 章（表示、度量、矩阵分解），配合 AI基础概念-嵌入与向量检索、[AI-Agent-模型微调](/学习笔记/AI技术/AI Agent/AI-Agent-模型微调) 一起读
  • 补 AI 原理底子：按 1→2→3→4 顺序读基础模块，再进 7/8；第 6 章回归可先跳
  • 想动手：先按附录配 Python/PyTorch 环境，做入门测试题 → 基础实验 → 挑战项目三级递进

相关概念 ​