掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
機器學習中的數學 版權信息
- ISBN：9787517077190
- 條形碼：9787517077190 ; 978-7-5170-7719-0
- 裝幀：簡裝本
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習中的數學 本書特色
《機器學習中的數學》是一本系統介紹機器學習中涉及的數學知識的入門圖書，本書從機器學習中的數學入門開始，以展示數學的友好性為原則，講述了機器學習中的一些常見的數學知識。機器學習作為人工智能的核心技術，對于數學基礎薄弱的人來說，其臺階是陡峭的，本書力爭在陡峭的臺階前搭建一個斜坡，為讀者鋪平機器學習的數學之路。
《機器學習中的數學》共19章，分為線性代數、高等數學和概率3個組成部分。第 1 部分包括向量、向量的點積與叉積、行列式、代數余子式、矩陣、矩陣和方程組、矩陣的秩、逆矩陣、高斯—諾爾當消元法、消元矩陣與置換矩陣、矩陣的LU分解、歐幾里得距離、曼哈頓距離、切比雪夫距離、夾角余弦等；第2部分包括導數、微分、不定積分、定積分、弧長、偏導、多重積分、參數方程、極坐標系、柱坐標系、球坐標系、梯度、梯度下降算法、方向導數、線性近似、二階近似、泰勒公式、牛頓法、*小二乘法、求解極值、拉格朗日乘子法、KKT條件、歐拉—拉格朗日方程等；第3部分包括概率、古典概型、幾何概型、互斥事件、獨立事件、分布函數、離散型分布、連續型分布等。
《機器學習中的數學》內容全面，語言簡練，實例典型，實用性強，立足于“友好數學”，與機器學習完美對接，適合想要了解機器學習與深度學習但數學基礎較為薄弱的程序員閱讀，也適合作為各大高等院校機器學習相關專業的教材。機器學習及數學愛好者、海量數據挖掘與分析人員、金融智能化從業人員等也可選擇本書參考學習。
機器學習中的數學 內容簡介
《機器學習中的數學》是一本系統介紹機器學習中涉及的數學知識的入門圖書, 本書從機器學習中的數學入門開始, 以展示數學的友好性為原則, 講述了機器學習中的一些常見的數學知識！稒C器學習中的數學》共19章, 分為線性代數、高等數學和概率3個組成部分。第1部分包括向量、向量的點積與叉積、行列式、代數余子式、矩陣、矩陣和方程組、矩陣的秩、逆矩陣、高斯—諾爾當消元法、消元矩陣與置換矩陣、矩陣的LU分解、歐幾里得距離、曼哈頓距離、切比雪夫距離、夾角余弦等 ; 第2部分包括導數、微分、不定積分、定積分、弧長、偏導、多重積分、參數方程、極坐標系、柱坐標系、球坐標系、梯度、梯度下降算法、方向導數、線性近似、二階近似、泰勒公式、牛頓法、*小二乘法、求解極值、拉格朗日乘子法、KKT條件、歐拉—拉格朗日方程等 ; 第3部分包括概率、古典概型、幾何概型、互斥事件、獨立事件、分布函數、離散型分布、連續型分布等。
機器學習中的數學 目錄
第1章 向量和它的朋友們
1.1 向量家族的基本成員
1.1.1 向量的表示和模長
1.1.2 維度和分量
1.1.3 單位向量和零向量
1.2 向量的加減和數乘
1.2.1 加法
1.2.2 數乘
1.2.3 減法
1.2.4 向量與方程組
1.2.5 相關代碼
1.3 向量的點積
1.3.1 什么是點積
1.3.2 余弦定理
1.3.3 相關代碼
1.4 點積的作用
1.4.1 計算向量間的夾角
1.4.2 判斷向量的方向
1.4.3 判斷正交性
1.4.4 求向量的分量
1.5 向量的叉積
1.5.1 什么是叉積
1.5.2 叉積的幾何意義
1.5.3 相關代碼
1.6 叉積的作用
1.6.1 計算平行六面體的體積
1.6.2 判斷點是否共面
1.6.3 計算法向量
1.7 再看行列式
1.7.1 行列式的性質
1.7.2 行列式的意義
1.7.3 行列式的計算
1.7.4 行列式的公式
1.7.5 相關代碼
1.8 代數余子式
1.8.1 行列式的代數余子式展開
1.8.2 二階行列式的代數余子式
1.9 還有其他朋友嗎
1.10 總結
第2章 矩陣的威力
2.1 什么是矩陣
2.2 矩陣的存儲和解析功能
2.3 矩陣的運算
2.3.1 加法
2.3.2 數乘
2.3.3 乘法
2.3.4 轉置
2.3.5 相關代碼
2.4 特殊的矩陣
2.4.1 對稱矩陣
2.4.2 單位矩陣
2.4.3 逆矩陣
2.4.4 奇異矩陣
……
第3章 距離
第4章 導數
第5章 微分與積分
第6章 弧長與曲面
第7章 偏導
第8章 多重積分
第9章 曲線救國
**0章 **直角坐標系
**1章 梯度下降
**2章 誤差與近似
**3章 牛頓法
**4章 無解之解
**5章 極大與極小
**6章 尋找*好
**7章 *佳形態
**8章 硬幣與骰子
**9章 概率分布
展開全部
機器學習中的數學 相關資料
本書從軟件開發人員的角度和學習心態出發，由淺入深地總結了機器學習中與數學相關的基本概念和實際應用方法，回避了純理論的研究和嚴格的過程推導，并給出了很多問題的實際背景、避免了抽象和枯燥的想象，為讀者能快速入門提供了必要的幫助。本書是機器學習中涉及代數、幾何、高等數學、概率等主要基礎知識的高度概括和總結，可以作為機器學習初學者的案頭參考書。
——前東軟望海研發中心總經理 趙永生
從根本上說，機器學習是對數學的應用，要想成為優秀的人工智能工程師，必須有深厚的數學知識才行，而這本書淺顯易懂，用實例和講故事的形式，介紹了機器學習中必備的數學基礎知識，讓你輕松踏入機器學習的大門。
——西安石油大學教授 張群正
數學的發展源自生活，它應該以友好的姿態面對世人，這本書重新勾起了我對數學的興趣。
——蘇州智慧家長教育科技有限公司CTO 鄧宏譽
機器學習中的數學 作者簡介
孫博，蘇州工業園區高技能領軍人才，機器學習愛好者，擅長軟件算法和軟件結構設計。曾在CSDN及多個知名博客網站發表多篇技術文章，深受讀者喜愛。目前任公司CTO，主持校企合作實習平臺的建設和搞笑的軟件培訓工作。
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
名家帶你讀魯迅:故事新編
- >
龍榆生：詞曲概論/大家小書
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
李白與唐代文化
- >
有舍有得是人生
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
