文轩网图书旗舰店
  • 扫码下单

  • 机器学习数学基础(Python语言实现) 周洋,张小霞 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 周洋,张小霞著
    • 出版社: 北京大学出版社
    • 出版时间:2021-07-01 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: 周洋,张小霞著
    • 出版社:北京大学出版社
    • 出版时间:2021-07-01 00:00:00
    • 版次:1
    • 开本:其他
    • 装帧:平装
    • ISBN:9787301322673
    • 国别/地区:中国
    • 版权提供:北京大学出版社

    机器学习数学基础(Python语言实现)

    作  者:周洋,张小霞 著
    定  价:69
    出 版 社:北京大学出版社
    出版日期:2021年07月01日
    页  数:
    装  帧:平装
    ISBN:9787301322673
    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,同时还介绍了很好经典的综合案例,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。 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null

    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。 张小霞,控制理论与控制工程专业硕士。曾从事军工电子硬件和软件开发、机器人视觉检测、工业检测数据建模分析等相关工作,擅长机器学习和深度学习算法,对机器视觉中的目标检测、图像分割、三维点云检测及自然语言处理等方面有深入研究。现就职于成都航空职业技术学院,从事教学科研工作。

    精彩内容

    目录
    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 小试牛刀10:Python编程实现假设检验94 专家点拨96 NO1.“互斥事件”和“对立事件”的关系如何?96 NO2.大数定律有什么用?96 本章小结97 第4章  信息论98 4.1  信息熵99 小试牛刀11:Python编程实现交叉熵和KL散度101 4.2  自信息和互信息102 4.3  困惑度103 4.4  信道噪声模型104 专家点拨105 NO1.信息熵的用途是什么?105 NO2.TF?IDF的信息论依据是什么?106 NO3.如何训练优选熵模型?107 本章小结107 第5章  模糊数学108 5.1  基础概念109 5.2  模糊数学的应用110 小试牛刀12:Python编程实现模糊聚类114 专家点拨116 NO1.模糊数学对于我们学习算法重要吗?116 NO2.模糊控制理论和模糊数学的关系?117 NO3.模糊数学在数字图像处理方面的应用有哪些?117 本章小结117 第6章  随机过程118 6.1  基本概念119 6.2  马尔可夫过程120 小试牛刀13:Python编程实现HMM模型及Viterbi算法122 6.3  泊松过程124 小试牛刀14:Python编程实现泊松过程127 专家点拨130 NO1.马尔可夫过程思维在建模中的重要性有哪些?130 NO2.泊松过程和更新过程的区别和联系是什么?130 本章小结131 第7章  凸优化132 7.1  凸优化问题133 7.2  无约束的优化问题138 小试牛刀15:Python编程实现简单的梯度下降法146 7.3  等式约束的优化问题147 7.4  不等式约束的优化问题150 7.5  带L1范数正则的优化问题159 7.6  工程中常用的优化算法165 小试牛刀16:Python编程求解凸优化问题170 专家点拨179 NO1.对于工程应用来说如何学习凸优化?179 NO2.为什么拉格朗日对偶函数一定是凹函数?179 本章小结180 第8章  图论181 8.1  图论基础182 8.2  有向图和无向图184 小试牛刀17:Python编程绘制有向图和无向图186 8.3  拓扑排序192 8.4  最短路径193 小试牛刀18:Python编程解决最短路径问题196 8.5  最小生成树205 小试牛刀19:Python编程解决最小生成树问题208 专家点拨215 NO1.图论的作用是什么?215 NO2.怎么去学习图论呢?215 本章小结215 第9章  微积分的应用案例216 9.1  案例01:家禽出售的时机217 9.2  案例02:允许缺货模型219 本章小结222 0章  线性代数的应用案例223 10.1  案例03:投入产出问题224 10.2  案例04:金融公司支付基金的流动问题225 本章小结228 1章  概率统计的应用案例229 11.1  案例05:贝叶斯网络实现交通事故预测230 11.2  案例06:HMM实现天气预测235 本章小结237 2章  综合应用案例238 12.1  案例07:工业异常参数的离群点检测239 12.2  案例08:工厂发电量预测246 本章小结253 参考文献254

    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