PDF JPG
本書有DRM加密保護,需使用HyRead閱讀軟體開啟
  • 圖解機器學習與資料科學的數學基礎:使用Python
  • 點閱:329
    165人已收藏
  • 作者: 松田雄馬, 露木宏志, 千葉彌平著 , 許郁文譯
  • 出版社:碁峰資訊股份有限公司
  • 出版年:2022
  • ISBN:9786263241817
  • EISBN:9786263243002 PDF
  • 格式:PDF,JPG
  • 附註:本電子書含光碟資料, 購買/借閱後請至個人書房下載 原紙本書ISBN: 9786263241817 附錄: 程式設計與數學之間的橋樑(租書不含光碟資料)
  • ● 本書因出版社限制不提供朗讀功能
  • ● 本書因出版社限制不提供繁簡轉換功能

搞懂不會背叛你的數學,進一步提升你的程式功力!
  本書透過圖表解說人工智慧與資料科學領域的相關數學知識,並告訴你如何將其轉換為程式碼,除了可以吸收關於數學的知識之外,也能立即運用在工作上。

  透過機率統計的學習,了解如何改善業務流程
  本書將AI與資料科學的相關數學知識分成四大篇,第一篇的「機率統計、機器學習篇」介紹的是了解工作情況,篩選出必要資訊的流程,以及位於這個流程背後的機率統計、機器學習的數學知識。能掌握工作情況就能知道該如何改善相關業務,也能進一步觀察未來的變化。


  了解最佳化的步驟,學會職場所需的最佳化流程
  第二篇「數理最佳化篇」介紹最佳化業務的流程,以及解決業務問題的方法。要最佳化業務,就必須先了解哪些部分需要改善效率,換言之,最佳化的重點在於找出問題。了解最佳化的步驟與問題的種類,就能學會工作職場所需的最佳化流程。

  透過預測病毒的傳播模式,了解相關的數學理論
  第三篇「數值模擬篇」則以傳染染病的傳播為主題,學習預測這類傳播模式的微分。只要了解微分,就能了解病毒的傳播模式,也能利用動畫說明傳播模式與製作出臨場感十足的簡報。最後的「深度學習篇」則會先說明近年來發展神速的深度學習技術原理,再說明這些原因都於哪些技術或職場應用。

來自讀者的讚譽

  「這是我買過最實用的書」
  「這本書可以讓你知道如何將數學應用在現實世界的工作之中」
  「這本書拯救了文科出身,在工作上又不得不面對數學的我」


松田雄馬

  工學博士。於日本電氣株式會社(NEC)的中央研究所創立腦型電腦研究開發團體與取得博士學位後自立門戶,與他人一同創立合同公司IQBETA。身為數理科學者的他利用將大腦、智能、人類視為生命的原創理論研究AI、機械學習、圖像辨識、自律分散控制這類主題,也根據以人類為主的社會架構開發系統、組織與培育人材。現為株式會社ONGIGANTS(舊合同公司IQBETA)的董事長,以及一橋大學大學院(一橋商業學院)的約聘講師,也擔任多間企業的技術顧問。著有《人工知能に未来を託せますか》(岩波書店)以及共同著作的《Python実践データ分析100本ノック》(秀和System)等。

露木宏志

  就讀筑波大學期間便開始自學程式,也藉著在多間企業實習與參加程式設計競賽的經驗,挑戰數學、圖表理論、列舉這類數理方面的難題。大學中輟之後,進入合同公司IQBETA服務,負責開發自然語言處理的文章分類、類似文章搜尋的演算法,以及利用機械學習預測業績、以圖像辨識進行物體偵測的演算法,還開發了推測人物姿勢、追跡、判斷動作好壞的演算法。此外也開發能有效處理上述結果的資通系統,每天沉迷於各種技術的研究。目前一邊於株式會社Iroribi負責DX推進事業,一邊沒日沒夜地開發各種技術。

千葉彌平

  於就讀國際基督教大學之際,開發了過半數學生使用的課程管理系統Time Table For ICU。大學畢業後,以專業工程師之姿進入合同公司IQBETA服務。推動業務的同時,還於東京大學大學院學際情報學府從事簡化IoT系統開發者門檻的IoT平台基礎研究。專長是從各種觀點開發技術,也與各領域的專家一同推動各項專案,例如資料輸入方面的IoT、感測器裝置、以及處理方面的AI、資料分析,或是控制方面的小型機器人、無人機。目前也是大型IT系統公司的顧問。
  • 前言(第3頁)
  • 在工作職場活用數學這項利器(第5頁)
  • 閱讀本書的方式(第12頁)
  • 執行環境與程式碼(第12頁)
  • 序章 設定 Python 開發環境(第13頁)
    • Prologue 1 試著使用 Google Colaboratory(第14頁)
    • Prologue 2 下載 Anaconda,建置開發環境(第17頁)
    • Prologue 3 利用 Python 動手撰寫程式(第20頁)
    • Prologue 4 試著上傳檔案(第22頁)
  • 第一篇 機率統計、機器學習篇(第23頁)
    • 第 1 章 取得資料之後的第一件事(第24頁)
    • 第 2 章 試著利用機器學習進行分析(第50頁)
    • 第 3 章 推測必需的資料筆數(第78頁)
  • 第二篇 數理最佳化篇(第105頁)
    • 第 4 章 透過最佳路徑規劃問題,了解解決最佳化問題的方法(第106頁)
    • 第 5 章 透過排班問題了解最佳化問題的全貌(第154頁)
  • 第三篇 數値模擬篇(第201頁)
    • 第 6 章 試著預測傳染病的影響(第202頁)
    • 第 7 章 想透過動畫模擬人類的行為(第232頁)
  • 第四篇 深度學習篇(第279頁)
    • 第 8 章 了解深度學習辨識影像的方法(第280頁)
    • 第 9 章 了解深度學習處理時間序列資料的機制(第318頁)
    • 第 10 章 了解以深度學習進行的圖片處理與語言處理(第352頁)
  • 附録 程式設計與數學之間的橋梁(第403頁)
    • Appendix 1 利用公式了解常態分佈(第404頁)
    • Appendix 2 微分方程式差分法造成的誤差與泰勒展開式(第410頁)
    • Appendix 3 非線性最佳化的機械學習/深度學習的迴歸/分類(第417頁)
  • 結語(第426頁)
  • 参考文献(第428頁)
紙本書 NT$ 650
單本電子書
NT$ 650

還沒安裝 HyRead 3 嗎?馬上免費安裝~
QR Code