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 —
全新正版 提供发票
以下为对购买帮助不大的评价