前言我的父亲曾经是东京大学的教授，43岁时任职于东大教养学部。他的主要研究课题是，从认知科学的角度处理知识信息（推论、学习、获得知识等）。看到这里，你可能会觉得

贝叶斯思维统计建模的PYTHON学习法.pdf

贝叶斯方法正在变得越来越常见与重要，但是却没有太多可以借鉴的资料来帮助初学者。基于Allen Downey在大学讲授的本科课程，本书的计算方法能帮助你获得一个良好的开端。 　　使用已有的编程技巧学习和理解贝叶斯统计 　　处理估计、预测、决策分析、假设的证据、假设检验等问题 　　从简单的例子开始，包括硬币问题、M&Ms豆问题、《龙与地下城》勇士投骰子问题、彩弹游戏和冰球比赛问题 　　学习计算方法，解决诸如SAT分数含义、模拟肾肿瘤和人体微生物建模问题

《贝叶斯思维：统计建模的Python学习法》唐尼

人工智能-机器学习-法经济学视角下的计算机软件的知识产权保护.pdf

人工智能-机器学习-法兰类件模具计算机辅助设计.pdf

化学高效学习法、高效学习方案归纳.pdf

这本书帮助那些希望用数学工具解决实际问题的人们，仅有的要求可能就是懂一点概率知识和程序设计。而贝叶斯方法是一种常见的利用概率学知识去解决不确定性问题的数学方法，对于一个计算机专业的人士，应当熟悉其应用在诸如机器翻译，语音识别，垃圾邮件检测等常见的计算机问题领域。, 可是本书实际上会远远扩大你的视野，即使不是一个计算机专业的人士，你也可以看到在战争环境下（二战德军坦克问题），法律问题上（肾肿瘤的假设验证），体育博彩领域（棕熊队和加人队NFL比赛问题）贝叶斯方法的威力。怎么从有限的信息判断德军装甲部队的规模，你所支持的球队有多大可能赢得冠军，在《龙与地下城》勇士中，你应当对游戏角色属性的最大值有什么样的期望，甚至在普通的彩弹射击游戏中，拥有一些贝叶斯思维也能帮助到你提高游戏水平。, 除此以外，本书在共计15章的篇幅中讨论了怎样解决十几个现实生活中的实际问题。在这些问题的解决过程中，作者还潜移默化的帮助读者形成了建模决策的方法论，建模误差和数值误差怎么取舍，怎样为具体问题建立数学模型，如何抓住问题中的主要矛盾（模型中的关键参数），再一步一步的优化或者验证模型的有效性或者局限性。在这个意义上，这本书又是一本关于数学建模的成功样本。

清晰的mobi资源，有完整的目录书签，阅读效果完美。 极易阅读，能够在最短的时间里重新捡回概率与统计的知识。 全美经典，有品质保证。

机器学习岭回归思维导图学习法pdf：详细介绍岭回归各个步骤（建立计算矩阵-幂函数，计算回归系数，训练，预测），并提供具体算例。