新書推薦：
《
零基础制作栩栩如生的立体纸艺花
》
售價：HK$
58.8
《
第三帝国图文史（修订版）：纳粹德国浮沉实录（彩色精装典藏版）
》
售價：HK$
201.6
《
四大会计师事务所：历史秘辛与未来挑战
》
售價：HK$
82.8
《
中国社会经济史
》
售價：HK$
106.8
《
犯罪心理X档案：法医精神科医生真实办案手记（第一季）法医精神科医师心理解剖手记
》
售價：HK$
57.6
《
台湾农业产业发展研究
》
售價：HK$
117.6
《
流风回雪：六朝名士的庙堂与山林（论衡系列）
》
售價：HK$
81.6
《
妈妈，我想为自己而活
》
售價：HK$
69.6
|
| 編輯推薦： |
|
本书语言简明，案例丰富，实用性强，适合有志于机器学习领域的研究者和爱好者、海量数据挖掘与分析人员、金融智能化从业人员阅读，也适合作为高等院校机器学习相关专业的教材。
|
| 內容簡介： |
|
这是一本具有高中数学知识就能读懂的机器学习图书，书中通过大量程序实例，将复杂的公式重新拆解，详细、清晰地解读了机器学习中常用的数学知识，一步步带领读者进入机器学习的领域。本书共 22 章，主要讲解了数据可视化、math 模块、sympy 模块、numpy 模块、方程式、函数、*小平方法、集合、概率、贝叶斯定理、指数、对数、欧拉数、逻辑函数、三角函数、大型运算符、向量、矩阵与线性回归等数学知识。
|
| 關於作者： |
洪锦魁，中国台湾计算机专家，IT图书知名作者。其著作特色：所有程序语法会依特性分类，同时以实用的程序实例进行解说，让读者可以事半功倍地轻松掌握相关知识。
近年出版作品：
算法零基础一本通（Python版）
Python数据科学零基础一本通
Python入门很简单
Python王者归来
Python GUI设计：tkinter菜鸟编程
|
| 目錄：
|
第 1 章 数据可视化
1-1 认识 matplotlib.pyplot 模块的主要函数
1-2 绘制简单的折线图 plot( )
1-3 绘制散点图 scatter( )
1-4 numpy 模块
1-5 图表显示中文
第 2 章 数学模块 math 和 sympy
2-1 数学模块的变量
2-2 一般函数
2-3 log( ) 函数
2-4 三角函数
2-5 sympy 模块
第 3 章 机器学习基本概念
3-1 人工智能、机器学习、深度学习
3-2 认识机器学习
3-3 机器学习的种类
3-4 机器学习的应用范围
第 4 章 机器学习的基础数学
4-1 用数字描绘事物
4-2 变量概念
4-3 从变量到函数
4-4 等式运算的规则
4-5 代数运算的基本规则
4-6 用数学抽象化开餐厅的生存条件
4-7 基础数学的结论
认识方程式、函数、
第 5 章 坐标图形
5-1 认识方程式
5-2 方程式文字描述方法
5-3 一元一次方程式
5-4 函数
5-5 坐标图形分析
5-6 将线性函数应用在机器学习
从联立方程式看机器
第 6 章 学习的数学模型
6-1 数学概念建立连接两点的直线
6-2 机器学习使用联立方程式预估数据
6-3 从 2 条直线的交叉点预估科学数据
6-4 两条直线垂直交叉
6-5 联立不等式
第 7 章 从勾股定理看机器学习
7-1 验证勾股定理
7-2 将勾股定理应用在能力倾向测验
7-3 将勾股定理应用在三维空间
7-4 将勾股定理应用在更高维的空间
7-5 电影分类
第 8 章 联立不等式与机器学习
8-1 联立不等式的基本概念
8-2 联立不等式的线性规划
8-3 Python 计算
第 9 章 机器学习需要知道的二次函数
9-1 二次函数的基础数学
9-2 从一次到二次函数
9-3 认识二次函数的系数
9-4 使用 3 个点求解二次函数
9-5 二次函数的配方法
9-6 二次函数与解答区间
第 10 章 机器学习的小平方法
10-1 小平方法基本概念
10-2 简单的企业实例
10-3 机器学习建立含误差值的线性方程式
10-4 numpy 实践小平方法
10-5 线性回归
10-6 实例应用
第 11 章 机器学习必须懂的集合
11-1 使用 Python 建立集合
11-2 集合的操作
11-3 子集、超集与补集
11-4 加入与删除集合元素
11-5 幂集与 sympy 模块
11-6 笛卡儿积
第 12 章 机器学习必须懂的排列与组合
12-1 排列的基本概念
12-2 有多少条回家路
12-3 排列组合
12-4 阶乘的概念
12-5 重复排列
12-6 组合
第 13 章 机器学习需要认识的概率
13-1 概率基本概念
13-2 数学概率与统计概率
13-3 事件概率名称
13-4 事件概率规则
13-5 抽奖的概率 ：加法与乘法综合应用
13-6 余事件与乘法的综合应用
13-7 条件概率
13-8 贝氏定理
13-9 蒙地卡罗模拟
第 14 章 二项式定理
14-1 二项式的定义
14-2 二项式的几何意义
14-3 二项式展开与规律性分析
14-4 找出 x n-k y k 项的系数
14-5 二项式的通式
14-6 二项式到多项式
14-7 二项分布实验
14-8 将二项式概念应用在业务数据分析
14-9 二项式概率分布 Python 实践
第 15 章 指数概念与指数函数
15-1 认识指数函数
15-2 指数运算的规则
15-3 指数函数的图形
第 16 章 对数
16-1 认识对数函数
16-2 对数表的功能
16-3 对数运算可以解决指数运算的问题
16-4 认识对数的特性
16-5 对数的运算规则与验证
第 17 章 欧拉数与逻辑函数
17-1 欧拉数
17-2 逻辑函数
17-3 logit 函数
17-4 逻辑函数的应用
第 18 章 三角函数
18-1 直角三角形的边长与夹角
18-2 三角函数的定义
18-3 计算三角形的面积
18-4 角度与弧度
18-5 程序处理三角函数
18-6 从单位圆看三角函数
第 19 章 从基础统计了解大型运算符
19-1 加总消费金额
19-2 计算平均单笔消费金额
19-3 方差
19-4 标准偏差
19-5 Σ 符号运算规则与验证
19-6 活用 Σ 符号
第 20 章 机器学习的向量
20-1 向量的基础概念
20-2 向量加法的规则
20-3 向量的长度
20-4 向量方程式
20-5 向量内积
20-6 皮尔逊相关系数
20-7 向量外积
第 21 章 机器学习的矩阵
21-1 矩阵的表达方式
21-2 矩阵相加与相减
21-3 矩阵乘以实数
21-4 矩阵乘法
21-5 方形矩阵
21-6 单位矩阵
21-7 反矩阵
21-8 用反矩阵解联立方程式
21-9 张量
21-10 转置矩阵
第 22 章 向量、矩阵与多元线性回归
22-1 向量应用在线性回归
22-2 向量应用在多元线性回归
22-3 矩阵应用在多元线性回归
22-4 将截距放入矩阵
22-5 简单的线性回归
|
| 內容試閱：
|
近几年每当无法入眠时，只要拿起人工智能、机器学习或深度学习的书籍，看到复杂的数 学公式，我就可以立即进入梦乡，这些书籍成了我的“安眠药”。
所以，一直以来我总想写一本具有高中数学知识就能读懂的人工智能、机器学习或深度学习的书籍（看了不想睡觉也行），这个理念成为我撰写本书的重要动力。
在彻底研究机器学习后，我体会到许多基础数学知识本身不难，只是大家对它们生疏了。
如果在书中将复杂公式从基础开始一步一步推导，其实可以很容易带领读者进入机器学习的领域，让读者感受到数学不再艰涩。这也是我撰写本书时不断提醒自己要留意的事项。 研究机器学习时，虽然有很多模块可以使用，但是一个人如果不懂相关的数学原理，坦白说我不相信未来他能在这个领域有所成就。本书主要讲解了以下数学基础知识。
. 数据可视化模块 matplotlib
. 基础数学模块 math
. 基础数学模块 sympy
. 数学应用模块 numpy
. 机器学习基本概念
. 方程式与函数
. 方程式与机器学习
. 从勾股定理看机器学习
. 联立方程式、联立不等式与机器学习
. 机器学习需要知道的二次函数
. 机器学习的小平方法
. 机器学习必须懂的集合与概率
. 概率与贝叶斯定理的运用
. 指数与对数的运算规则
. 机器学习中重要的欧拉数 (Euler’s Number) 及其由来
. 逻辑函数与 logit 函数
. 三角函数
. 大型运算符
. 向量、矩阵与线性回归
本书沿袭了我之前所著图书的特色，程序实例丰富。相信读者只要遵循书中内容进行学习，必定可以在短时间内掌握机器学习的基础数学知识。书中案例的代码文件请扫描封底二维码进行下载。
本书虽力求完美，但不足与疏漏在所难免，尚祈读者不吝指正。
洪锦魁
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
