本書介紹了數(shù)據(jù)驅動的機器學習、人工智能建模與計算所需的核心數(shù)學基礎知識，涉及數(shù)值線性代數(shù)（矩陣計算）、概率論和信息論基礎及概率模型估計、最優(yōu)化方法等。內容按照從模式分析到數(shù)據(jù)分析再到數(shù)學基礎的思路來組織，圍繞數(shù)據(jù)分析系統(tǒng)的核心構成：表示、模型和學習形成數(shù)據(jù)線和數(shù)學線兩條線。數(shù)據(jù)線按照數(shù)據(jù)分析的處理流程、通過大量翔實的案例作為導引，引出所需數(shù)學；數(shù)學線緊扣數(shù)據(jù)線，按照知識內容發(fā)生的內在自然邏輯順序展開。兩者相輔相成，構成從具體到抽象、從抽象到具體的閉環(huán)。本書在數(shù)據(jù)科學的定位類似于《離散數(shù)學》在計算機科學的定位，配有相當數(shù)量的習題，可作為數(shù)據(jù)科學與大數(shù)據(jù)技術、人工智能、計算機科學和軟件工程等相關專業(yè)的本科生或研究生的數(shù)學基礎課程教材或參考書，也可作為學術和工業(yè)界科技人員了解和應用數(shù)據(jù)科學與大數(shù)據(jù)技術數(shù)學基礎的參考手冊。