本书是人工智能数学基 础之中的概率论部分，也是 《人工智能的数学基础—— 数据之本》的姊妹篇，旨在 为读者提供一套较为完整且 实用的随机数学工具。全书 共分四部分： 部分是概 率论简史（ -2章），介 绍了概率论奠基人拉普拉斯 的学术成就以及概率论发展 简史。第二部分是经典概率 论（第3-8章），涉及古典 概率论、随机变量及其数字 特征、示性函数、一些常见 的分布、大数律与中心极限 定理、随机过程（包括随机 分析简介）。第三部分是贝 叶斯决策与因果推断（第9 -10章），涵盖贝叶斯分析 、统计决策理论、因果分析 等内容。第四部分是附录， 包含拉普拉斯变换、卷积的 物理意义、正态分布的由来 、矩阵计算的一些结果、凸 性与詹森不等式、黎曼-斯 蒂尔杰斯积分、测度论简介 等背景知识。 本书适合作为普通高等 学校计算机或人工智能专业 学生学习概率论相关知识的 读物，也适用于对人工智能 和机器学习感兴趣的高年级 本科生和研究生，要求读者 具备线性代数和数学分析（ 或微积分）的基础。

于江生，应用数学博士，曾在北京大学、堪萨斯大学、韦恩州立大学工作多年。主要研究方向是人工智能、统计机器学习、贝叶斯数据分析、计算语言学、图像处理、生物信息学等。已发表四十多篇学术论文（ 作者），拥有近二十项美国算法类专利。获 科技进步一等奖（2007年）和自然科学一等奖（2011年）。曾任华为2012泊松实验室主任、机器学习和应用数学首席科学家。