Description
圖解機器學習與資料科學的數學基礎｜使用Python
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」
目錄序章｜設定 Python開發環境
第一篇機率統計、機器學習篇
第1章｜取得資料之後的第一件事
第2章｜試著利用機器學習進行分析
第3章｜推測必需的資料筆數
第二篇 數理最佳化篇
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5章｜透過排班問題了解最佳化問題的全貌
第三篇 數値模擬篇
第6章｜試著預測傳染病的影響
第7章｜試著透過動畫模擬人類的行為
第四篇 深度學習篇
第8章｜了解深度學習辨識影像的方法
第9章｜了解深度學習處理時間序列資料的機制
第10章｜了解以深度學習進行的圖片處理與語言處理
Appendix 程式設計與數學之間的橋梁
Appendix 1｜利用公式了解常態分佈
Appendix 2｜微分方程式差分法造成的誤差與泰勒展開式
Appendix 3｜非線性最佳化的機械學習／深度學習的迴歸／分類
书名简译:图解机器学习与数据科学的数学基础|使用Python
目前沒有評價。