{itemname}
{itemname}
香港二樓書店 > 今日好書推介
魔法森林(《秘密花園》第二集,中文版獨家附贈32頁練習本)
定價93.00元
8
折優惠:
HK$74.4
●二樓推薦
●文學小說
●商業理財
●藝術設計
●人文史地
●社會科學
●自然科普
●心理勵志
●醫療保健
●飲 食
●生活風格
●旅 遊
●宗教命理
●親子教養
●少年讀物
●輕 小 說
●漫 畫
●語言學習
●考試用書
●電腦資訊
●專業書籍
機器學習的數學基礎 : AI、深度學習打底必讀
沒有庫存
訂購需時10-14天
9789863126140
西內啟
胡豐榮,徐先正
旗標
2020年1月31日
193.00 元
HK$ 173.7
詳
細
資
料
ISBN:9789863126140
規格:平裝 / 400頁 / 17 x 23 x 2.4 cm / 普通級 / 單色印刷 / 初版
出版地:台灣
分
類
自然科普
>
數學
>
概論
同
類
書
推
薦
超實用中學數學概念筆記:從原理&規則建構公式×方程式×函數×圖形的進階實力!
大自然的數學遊戲
公式之美:23個經典公式,掌握宇宙萬物法則,喚醒你的數學魂
數學謎題大圖鑑:伽利略科學大圖鑑11
【吳軍博士寫給成年人的通識講義套書】(二冊):《閱讀與寫作通識講義》+《數學通識講義》
其
他
讀
者
也
買
社會在走,歷史要懂:呂捷開講
最速網頁開發:用Go Web一手建立高能效網站系統
資訊管理?
跟Adobe徹底研究Premiere Pro CC
資料科學的建模基礎:別急著coding!你知道模型的陷阱嗎?
【岩波新書.中國的歷史】:中華的成立、江南的發展、草原的稱霸、陸海的交會、中國的形成(套書附典藏書盒)
內
容
簡
介
?國立台中教育大學數學教育學系 胡豐榮博士 與 清華大學數學系畢 徐先正 合譯
『進入 AI 時代,數學突然紅起來!』
現在資訊科學界最夯的主題就是 AI、機器學習、深度學習。Google、Apple、Amazon、台積電……等世界大廠都在爭搶 AI 大餅,比的是誰家的 AI 比較聰明、比較準確,因此發展出許多先進的技術,甚至把 AI 直接植入晶片中。每家好像都很厲害,然而高下區別的關鍵在哪裏?
大家使用的開發工具不外乎 TensorFlow、Keras、Numpy,你會用,別人也會,那你憑甚麼贏人家?當然要靠獨創的技術、神秘的參數配方,而這些都是開發工具給不了的。如果只靠土法煉鋼,不斷「Try Try 看」各種參數組合,這實在太不科學,根本無法提升能力。所以必須徹頭徹尾弄懂 AI 技術裏面在做甚麼?才知道應該用什麼參數去試、用甚麼演算法去算……,想做出比別人更好的 AI,就必須自我蛻變,這一切的打底功夫就是「數學」。
『AI、機器學習、深度學習需要的數學,你懂了嗎?』
數學領域的學科龐雜,國中、高中學完之後也不知道幹嘛,或是不求甚解,久而久之就還給老師了。然而在 21 世紀進入機器學習、深度學習領域,完全避不開下面這些東西,你懂了嗎?:
「邏輯斯迴歸�線性迴歸�合成函數�鏈鎖法則�條件機率�貝氏定理� 最小平方法�最大概似估計法�常態分佈�機率密度函數�向量內積�相關係數� 誤差函數�代換積分�多元迴歸分析�神經網路�多變數偏微分�矩陣偏微分� 梯度下降法�隨機梯度下降法�非線性邏輯斯函數�Sigmoid�反向傳播�more…」
媽呀!誰來教教我?
小編看過市面上數本主打機器學習或深度學習的數學書,主要分兩類:其一是內容太過簡單講得不夠深入,其二是假設你的數學能力已經很強,直接跳過許多細節,這兩類讀了還是不知所云。沒關係,本書就是為你設計的,帶你從基礎開始複習,搭配實務案例,讓你知道數學可以怎麼用。而且最重要的是「只教機器學習、深度學習用得到的數學,講清楚、才能吸收」,其它用不到的不講,節省大家的寶貴時間。
本書設計的巧妙之處在於前面講過的內容,到了進階的部份仍然會不斷前後呼應,不斷提醒。書中的運算步驟,像是梯度下降法、隨機梯度下降法、反向傳播... 都一一手算推導給你看。認真讀完本書,機器學習與深度學習的數學就能深印腦海。
本書特色
?只講機器學習、深度學習用得到的數學,追根究底且看得懂
?梯度下降法、隨機梯度下降法、反向傳播... 一步一步手工算給你看
?利用實務範例,更能了解數學可以用在哪裏
名人推薦
?清華大學榮譽教授 李家同博士 推薦:『數學是 AI 的根本, 你可以跟著本書扎實理解機器學習最根本的數學基礎。』
目
錄
序篇 AI、機器學習需要什麼樣的數學能力
單元01 21世紀每個人都需要具備數學能力
單元02 數學金字塔
第 1 篇 機器學習的數學基礎
單元03 將事物用數字來表現
單元04 將數字用字母符號代替
單元05 減法是負數的加法, 除法是倒數的乘法
單元06 機率先修班:集合
單元07 機率先修班:命題的邏輯推理
單元08 機率、條件機率與貝氏定理
第 2 篇 機器學習需要的一次函數與二次函數
單元09 座標圖與函數
單元10 聯立方程式求解與找出直線的斜率與截距
單元11 用聯立不等式做線性規劃
單元12 從線性函數進入二次函數
單元13 利用二次函數標準式求出最大值與最小值
單元14 找出二次函數最適當的解
單元15 用最小平方法找出誤差最小的直線
第 3 篇 機械學習需要的二項式定理、對數、三角函數
單元16 二項式定理與二項式係數
單元17 利用二項分布計算重複事件發生的機率
單元18 指數運算規則與指數函數圖形
單元19 用對數的觀念處理大數字
單元20 對數的性質與運算規則
單元21 尤拉數 e 與邏輯斯迴歸
單元22 畢氏定理計算兩點距離
單元23 三角函數的基本觀念
單元24 三角函數的弧度制與單位圓
第 4 篇 機械學習需要的Σ、向量、矩陣
單元25 整合大量數據的 Σ 運算規則
單元26 向量基本運算規則
單元27 向量的內積
單元28 向量內積在計算相關係數的應用
單元29 向量、矩陣與多元線性迴歸
單元30 矩陣的運算規則
單元31 轉置矩陣求解迴歸係數
第 5 篇 機器學習需要的微分與積分
單元32 函數微分找出極大值或極小值的位置
單元33 n 次函數的微分
單元34 積分基礎-從幾何學角度瞭解連續型機率密度函數
單元35 積分基礎-用積分計算機率密度函數
單元36 合成函數微分、鏈鎖法則與代換積分
單元37 指數函數、對數函數的微分積分
單元38 概似函數與最大概似估計法
單元39 常態分佈的機率密度函數
單元40 多變數積分 – 雙重積分算機率密度函數係數
第 6 篇 深度學習需要的數學能力
單元41 多變數的偏微分-對誤差平方和的參數做偏微分
單元42 矩陣型式的偏微分運算
單元43 多元迴歸分析的最大概似估計法與梯度下降
單元44 由線性迴歸瞭解深度學習的多層關係
單元45 多變數邏輯斯迴歸與梯度下降法
單元46 神經網路的基礎-用非線性邏輯斯函數組合出近似函數
單元47 神經網路的數學表示法
單元48 反向傳播-利用隨機梯度下降法與偏微分鏈鎖法則
書
評
其 他 著 作
1.
統計學,最強的商業武器:從買樂透到大數據,全都離不開統計學;不懂統計學,你就等著被騙吧!(三版)
2.
統計學,最強的商業武器 從買樂透到大數據,全都離不開統計學;不懂統計學,你就等著被騙吧!
3.
統計學,最強的商業武器:從買樂透到大數據,全都離不開統計學;不懂統計學,你就等著被騙吧!