文轩网图书旗舰店
  • 扫码下单

  • 人工智能基础——数学知识 张晓明 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 张晓明著
    • 出版社: 人民邮电出版社
    • 出版时间:2018-01-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    店铺装修中

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    文轩网图书旗舰店

  •      https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 张晓明著
    • 出版社:人民邮电出版社
    • 出版时间:2018-01-01 00:00:00
    • 版次:1
    • 印次:1
    • 页数:194
    • 开本:16开
    • 装帧:平装
    • ISBN:9787115523198
    • 国别/地区:中国
    • 版权提供:人民邮电出版社

    人工智能基础——数学知识

    作  者:张晓明 著
    定  价:55
    出 版 社:人民邮电出版社
    出版日期:2020年02月01日
    页  数:194
    装  帧:平装
    ISBN:9787115523198
    主编推荐

    内容简介

    《人工智能基础:数学知识》基于流行的Python语言,通俗易懂地介绍了入门人工智能领域必需必会的数学知识,旨在让读者轻松掌握并学以致用。《人工智能基础数学知识》分为线性代数、概率和优化等3篇,共21章,覆盖了人工智能领域中重要的数学知识点。本书写作风格通俗有趣,读者可在潜移默化中掌握这些数学知识以及相关的编程操作,并能从工程落地的角度深刻理解数学在其中的扮演角色和魅力。《人工智能基础:数学知识》适合希望投身于人工智能领域且想有一番作为的人员阅读,还适合对人工智能领域背后的逻辑感兴趣的人员阅读。本书还可作为各大高校人工智能专业的参考用书。

    作者简介

    张晓明,网名大圣。国内早期的竞价搜索工程师,曾就职雅虎、阿里、移动等大型互联网公司,担任过数据专家、技术总监等职务,服务过广告、电商、移动运营商、互联网金融等多行业,有 15 年以上的数据挖掘、机器学习一线工程经验。现为自由职业者、独立咨询顾问、独立讲师。

    精彩内容

    目录
    第一篇线性代数
    第1章论线性代数的重要性2
    1.1小白的苦恼2
    1.2找朋友4
    1.3找推荐7
    1.4赚大钱10
    第2章从相似到向量12
    2.1问题:如何比较相似12
    2.2代码示例12
    2.3专家解读17
    第3章向量和向量运算20
    3.1代码示例:在Python中使用向量20
    3.1.1创建向量20
    3.1.2向量的范数(模长)21
    3.1.3向量的相等21
    3.1.4向量加法(减法)22
    3.1.5向量的数乘23
    3.1.6向量的线性组合24
    3.1.7向量的乘法(点积)25
    3.2专家解读26
    第4章最难的事情——向量化27
    4.1问题:如何对文本向量化28
    4.2One-HotEncoding方式29
    4.2.1做法1:二值化31
    4.2.2做法2:词频法32
    4.2.3做法3:TF-IDF33
    4.3专家解读34
    4.3.1稀疏向量和稠密向量34
    4.3.2One-Hot到Word2Vec35
    第5章从线性方程组到矩阵38
    5.1回归预测39
    5.2从方程组到矩阵41
    5.3工程中的方程组42
    第6章空间、子空间、方程组的解44
    6.1空间和子空间45
    6.2子空间有什么用46
    6.3所谓很优解指什么48
    第7章矩阵和矩阵运算50
    7.1认识矩阵50
    7.2创建矩阵51
    7.2.1代码示例:如何创建矩阵51
    7.2.2代码示例:如何创建对角矩阵52
    7.2.3代码示例:如何创建单位矩阵53
    7.2.4代码示例:如何创建对称矩阵54
    7.3矩阵运算55
    7.3.1代码示例:加法和数乘55
    7.3.2代码示例:矩阵乘法56
    7.3.3代码示例:求逆矩阵57
    第8章解方程组和最小二乘解58
    8.1代码实战:解线性方程组58
    8.2代码实战:用最小二乘法解方程组59
    8.3专家解读:最小二乘解61
    8.3.1损失函数61
    8.3.2最小二乘解63
    第9章带有正则项的最小二乘解65
    9.1代码实战:多项式回归66
    9.2代码实战:岭回归69
    9.3代码实战:Lasso回归71
    第10章矩阵分解的用途74
    10.1问题1:消除数据间的信息冗余74
    10.2问题2:模型复杂度78
    10.3代码实战:PCA降维79
    10.4专家解读82
    10.5从PCA到SVD84
    第11章降维技术哪家强86
    11.1问题:高维数据可视化86
    11.2代码实战:多种数据降维89
    11.3专家解读:从线性降维到流形学习92
    第12章矩阵分解和隐因子模型94
    12.1矩阵分解和隐因子模型概述94
    12.2代码实战:SVD和文档主题96
    12.3小结100
    第二篇概率
    第13章概率建模102
    13.1概率102
    13.2随机变量和分布103
    13.2.10-1分布(伯努利分布)104
    13.2.2二项分布104
    13.2.3多项分布105
    13.2.4正态分布107
    13.3代码实战:检查数据是否服从正态分布108
    13.4专家解读:为什么正态分布这么厉害111
    13.5小结111
    第14章优选似然估计112
    14.1优选似然原理112
    14.2代码实战:优选似然举例113
    14.3专家解读:优选似然和正态分布115
    14.4优选似然和回归建模117
    14.5小结118
    第15章贝叶斯建模119
    15.1什么是随机向量119
    15.2随机向量的分布120
    15.3独立VS不独立123
    15.4贝叶斯公式123
    15.5小结124
    第16章朴素贝叶斯及其拓展应用125
    16.1代码实战:情感分析125
    16.2专家解读128
    16.3代码实战:优选健身计划130
    16.4小结136
    第17章进一步体会贝叶斯137
    17.1案例:这个机器坏了吗137
    17.2专家解读:从贝叶斯到在线学习141
    第18章采样142
    18.1贝叶斯模型的困难143
    18.2代码实战:拒绝采样144
    18.3代码实战:MH采样147
    18.4专家解读:拒绝采样算法150
    18.4.1MH算法151
    18.4.2马尔科夫链和细致平稳条件152
    18.4.3细致平稳条件和接受率的关系153
    18.5专家解读:从MH到Gibbs154
    18.6小结155
    第三篇优化
    第19章梯度下降算法158
    19.1代码实战:梯度下降算法159
    19.2专家解读:梯度下降算法162
    19.3代码实战:随机梯度下降算法167
    19.4专家解读:随机梯度下降算法168
    19.5小结169
    第20章逻辑回归171
    20.1代码实战:逻辑回归173
    20.2专家解读:逻辑回归的原理174
    20.3代码实战:逻辑回归梯度下降算法177
    第21章凸优化179
    21.1凸优化扫盲181
    21.2正则化和凸优化182
    21.3小结183
    附录A工作环境搭建说明184
    A.1什么是Python184
    A.2本书所需的工作环境187
    A.2.1Anaconda版本选择187
    A.2.2多版本共存的Anaconda安装方式188
    A.2.3安装Anaconda主版本(Anaconda2)188
    A.2.4安装Anaconda辅版本(Anaconda3)190
    A.2.5开发工具的选择190
    结语193

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购