高维概率及其在数据科学中的应用

本书全面介绍高维概率的理论、关键工具和现代应用，涵盖Hoeffding不等式和Chernoff不等式等经典结果以及Matrix Bernstein不等式等现代发展，还介绍了基于随机过程的强大方法，包括Slepian、Sudakov和Dudley不等式等工具，以及基于VC维数的通用链和界。全书使用了大量插图，包括协方差估计、聚类、网络、半定规划、编码、降维、矩阵补全、机器学习、压缩感知以及稀疏回归的经典和现代结果。

作者简介

Roman Vershynin是加州大学欧文分校的数学系教授，他研究数学和数据科学中的随机几何结构，特别是随机矩阵理论、几何泛函分析、凸和离散几何、几何组合学、高维统计、信息理论、机器学习、信号处理和数值分析. 他于2005年获得斯隆基金会的斯隆研究奖，2010年在海得拉巴举行的国际数学家大会上做受邀演讲，2013年获得洪堡基金会颁发的贝塞尔研究奖. 他的“随机矩阵非渐近分析导论”已经成为概率论和数据科学领域许多新研究者必不可少的教育资源。