本书按照主教材的章节顺序，分为10章主要内容包括随机事件与概率、一维随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、极限定理、数理统计基本概念、参数估计、假设检验、回归分析及方差分析简介、经典问题剖析本书内容紧扣主教材，书中例题丰富且具有代表性，例题分析与解答展示了基本的解题思路、解题方法与解题技巧，起到了

本书展示了如何使用真实的数据真实地进行贝叶斯数据分析。作者从概率与程序设计的基本概念出发，逐步带你进阶，帮助你最终掌握在实际的贝叶斯数据分析中常用的高级模型。本书分为三大部分，共有25章。第一部分介绍基础知识，内容包括贝叶斯推断的基本思想、模型、概率及R语言编程。第二部分涵盖了现代贝叶斯数据分析的所有关键思想。第三部分

本书从系统视角出发,阐述如何利用技术手段搭建企业级推荐系统,内容包括认知篇、数据篇、召回篇、排序篇、系统篇5个部分，覆盖企业级推荐系统建设的核心要点。本书知识体系清晰，从基础知识切入，逐步深入，先后涉及推荐系统的经典技术、主流技术和前沿技术。本书通过“理论+案例+代码示例+心得体会”的方式阐述、归纳和总结推荐系统的知识

时间序列分析是统计学科的一个重要分支，它主要研究随着时间的变化，事物发生、发展的过程，寻找事物发展变化的规律并预测未来的走势。在日常生产和生活中，时间序列比比皆是，所以目前时间序列分析方法广泛应用于经济、金融、天文、气象、海洋、物理、化学、医学、质量控制等诸多领域，成为众多行业经常使用的统计方法。本书是基于Python

"空间和时空连续过程的建模是空间统计学中一个重要且具有挑战性的问题。本书详细阐述了随机偏微分方程（SPDE）方法用于带有Matérn协方差结构的连续空间过程的建模。该方法已经在R-INLA软件包中采用集成嵌套拉普拉斯逼近（INLA）技术进行实现。本书通过使用模拟数据和真实应用程序的示例，解释了关于建模空间过程和SPDE

《互联网大厂推荐算法实战》介绍了互联网大厂当前采用的一些前沿推荐算法，并梳理了这些算法背后的思想脉络与技术框架。 《互联网大厂推荐算法实战》总计10章，内容涵盖了推荐系统的基础知识、推荐系统中的特征工程、推荐系统中的Embedding、推荐系统的各组成模块（包括召回、粗排、精排与重排）所使用的算法技术、推荐算法实践中经

本书是在教育部制定的教学大纲基础上，参照同济大学“概率论与数理统计”课程及教材建设的经验和成果，按照全国硕士研究生入学统一考试数学一的考试大纲要求，根据作者十多年的教学实践经验编写而成．全书共分八章，包括随机事件与概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律及中心极限定理、统计量和抽样分布

本书在广泛征求读者意见的基础上进行编写，设置了一些生活中与概率统计相关的经典案例、编写了一定数量的题目，例题和习题多采用一些在客观世界，即自然科学、工程技术、经济管理领域和日常生活中经常遇到的现实问题，希望以此来提高学生学习概率统计的兴趣以及利用概率统计知识解决实际问题的能力。本书内容共七章，第一、二、三章介绍概率论内

本书基于国家社科基金的项目基础上，更加完善和系统对该领域进行了梳理。层次模型，又称多水平模型，是嵌套结构数据的建模方法。研究热潮起于20世纪90年代，现已广泛应用于教育学、社会学、经济学等许多领域。层次模型的贝叶斯分析是统计学科前沿领域。而环境科学现正处于利用模型和数据进行推断和预测的方法论革新时代，环境学家面临涵盖了

本书共含七章内容，各章内容依次为：函数与极限、导数与微分、微分中值定理与导数的应用、不定积分、定积分、定积分的应用、微分方程。本书通过新颖的讲义形式编排，可帮助读者更为轻松地理解并掌握高等数学的知识体系，同时本书还具备一下几项特色：一是增加了重要概念、方法、理论的微课与例题讲解。二是突高等数学的基本思想和基本方法。三是