"《人工智能的数学基础——随机之美》是人工智能数学基础之中的概率论部分，也是《人工智能的数学基础——数据之本》的姊妹篇，旨在为读者提供一套较为完整且实用的随机数学工具。全书共分四部分：第一部分是概率论简史（第1~2 章），介绍了概率论奠基人拉普拉斯的学术成就以及概率论发展简史。第二部分是经典概率论（第3~8 章），涉及古典概率论、随机变量及其数字特征、示性函数、一些常见的分布、大数律与中心极限定理、随机过程（包括随机分析简介）。第三部分是贝叶斯决策与因果推断（第9~10 章），涵盖贝叶斯分析、统计决策理论、因果分析等内容。第四部分是附录，包含拉普拉斯变换、卷积的物理意义、正态分布的由来、矩阵计算的一些结果、凸性与詹森不等式、黎曼-斯蒂尔杰斯积分、测度论简介等背景知识。

《人工智能的数学基础——随机之美》适合作为普通高等学校计算机或人工智能专业学生学习概率论相关知识的读物，也适用于对人工智能和机器学习感兴趣的高年级本科生和研究生，要求读者具备线性代数和数学分析（或微积分）的基础。

"