机器学习数学基础
正版新书 新华官方库房直发 可开电子发票
￥ 44.16 6.4折 ￥ 69 全新
库存4件
作者周洋，张小霞编著
出版社北京大学出版社
ISBN9787301322673
出版时间2021-08
版次1
装帧平装
开本16开
纸张胶版纸
页数264页
字数400千字
定价69元
货号SC:9787301322673
上书时间2024-12-22
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
周洋，成都嘉捷信诚解决方案专家，拥有12年toB行业大数据相关经验，对工业大数据、智慧电厂、智慧城市、智慧交通、智慧安防等行业趋势发展有前瞻性判断力。对机器学习、深度学习、大数据、知识图谱等技术有深入研究。
主编推荐:
1.104幅图表展示，降低理解难度。
2.知识点丰富，满足机器学习所需数学知识。
3.基于Python编程的“小试牛刀”，检验学习效果。
4.20个“专家点拨”，帮助读者答疑解惑。
5.数学思想和人工智能解决方案的有效实践。
6.提供书中相关案例的源代码，方便读者学习参考。
内容简介:
本书是一本系统介绍机器学习所涉及的数学知识和相关Python编程的实例工具书，同时还介绍了非常经典的综合案例，除了编写机器学习的代码，还编写了深度学习的代码。本书一共分为两部分。
第一部分为数学基础知识部分，包含8个章节，介绍了微积分、线性代数、概率统计、信息论、模糊数学、随机过程、凸优化和图论的系统知识体系及几个数学知识点对应的Python编程实例。通过这些实例，读者能够了解Scikit-learn、Scikit-fuzzy、Theano、SymPy、NetworkX和CVXPY中相应的库函数的应用。
第二部分为案例部分，包含4个章节，介绍了微积分、线性代数和概率统计问题的建模方法、求解流程和编程实现，以及工业生产领域的Python实战，包含了机器学习算法和深度学习PyTorch框架的应用。
在学习本书内容前，建议读者先掌握基本的Python编程知识和数学基础，然后将本书通读一遍，了解本书的大概内容，最后再跟着实例进行操作。
本书既注重数学理论，又偏重编程实践，实用性强，适用于对编程有一定基础，对系统的数学知识非常渴望，想从事人工智能、大数据等方向研究的读者。同时也适合作为广大职业院校相关专业的教材或参考用书。
目录:
第1章微积分1
1.1函数和极限2
小试牛刀01：Python编程实现函数极限10
1.2导数11
1.3方向导数和梯度19
小试牛刀02：Python编程实现雅可比矩阵、黑塞矩阵21
1.4积分24
专家点拨28
NO1.从事编程开发的人员如何学习微积分？28
NO2.学习微积分需要全部掌握吗？28
NO3.学习微积分需要大量做题吗？28
本章小结28
第2章线性代数29
2.1行列式30
2.2用向量描述空间35
2.3内积、正交向量组和范数36
小试牛刀03：Python编程实现求范数39
2.4矩阵和线性变换41
小试牛刀04：Python编程实现求逆矩阵、行列式的值、秩49
2.5二次型50
2.6矩阵分解52
小试牛刀05：Python编程实现矩阵的QR分解58
专家点拨61
NO1.线性代数有多重要？61
NO2.向量内积的几何解释是什么？61
NO3.奇异值分解的应用场景有哪些？62
本章小结62
第3章概率统计63
3.1随机事件和概率64
小试牛刀06：Python编程实现贝叶斯公式69
3.2随机变量及其分布70
小试牛刀07：Python编程实现正态分布75
3.3数字特征及随机变量间的关系76
小试牛刀08：Python编程实现Pearson相关系数80
3.4概率统计的其他方面82
小试牛刀09：Python编程实现参数估计92
— 没有更多了 —
以下为对购买帮助不大的评价