本书系统介绍了有关数据分析、机器学习和人工智能算法设计过程中数据表示、度量、建模、评价和求解所要用到的最基础的数学知识，全书分为9章，在微积分、线性代数、概率论与数理统计等先修平台课程基础上，进一步讲解线性空间与线性变换、矩阵分析、矩阵分解、矩阵计算问题、概率模型和参数估计、**化基础知识、**性条件和对偶理论、优化算法、信息论基础等内容，夯实读者在大数据领域的数学理论基础.

高胜哲，博士，大连海洋大学三级教授，辽宁省教学名师，大连市青年才俊，硕士生导师。大连理工大学运筹学与控制论专业获得理学博士，任大连市数学学会副理事长等职务。主要从事**化理论与方法、海洋渔业数据建模等方向研究。作为主持人获辽宁省教学成果奖二等奖、三等奖各1项，主编教材9部，主编教材《大学数学》第2版（清华大学出版社）获辽宁省优秀教材1部，主持辽宁省线上线下一流课程1门。

前言 在大数据技术飞速发展的当下，数据已成为驱动社会经济发展的基础性战略资源，其应用的深度与广度持续拓展，贯穿各行各业的数字化转型进程.无论是人工智能、机器学习等前沿技术的突破，还是金融分析、生物信息学等交叉领域的创新，均以扎实的数学理论作为底层支撑，数学已成为解锁大数据价值的核心钥匙. 本书紧扣数据科学与大数据技术及相关专业的教学目标，以“夯实基础、服务应用”为导向，致力于帮助学生构建系统且稳固的数学知识体系，为后续深入学习大数据核心技术、专业进阶课程及开展实践创新筑牢根基.书中聚焦现代数据分析与机器学习所需的核心数学知识，摒弃冗余理论，突出“实用、够用”原则，引导学生精准掌握关键内容，使其能熟练运用数学工具拆解、分析各类数据处理算法的内在逻辑，为专业必修课与选修课的深度学习打下坚实的数学理论基础. 全书共设9章，在充分衔接微积分、线性代数、概率论与数理统计等先修平台课程的基础上，系统讲解线性空间与线性变换、矩阵分析、矩阵分解、矩阵计算问题、概率模型和参数估计、最优化基础知识、最优性条件和对偶理论、优化算法、信息论基础等内容，形成适配应用型人才培养需求的完整知识框架. 由于编者团队学识水平有限，书中难免存在疏漏与不妥之处，恳请各位读者不吝赐教、批评指正，您的宝贵意见将是我们完善教材的重要动力. 编者 2025年10月于大连