返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版新书]速通!深度学习的数学基础赤石雅典 著 张诚 译9787115
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 赤石雅典 著 张诚 译著 | 赤石雅典 著 张诚 译编 | 赤石雅典 著 张诚 译译 | 赤石雅典 著 张诚 译绘
    • 出版社: 人民邮电出版社
    • 出版时间:2025-08-01
    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
    /
    ×

    苏宁商家

    商家:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 赤石雅典 著 张诚 译著| 赤石雅典 著 张诚 译编| 赤石雅典 著 张诚 译译| 赤石雅典 著 张诚 译绘
    • 出版社:人民邮电出版社
    • 出版时间:2025-08-01
    • 版次:1
    • 印次:1
    • 页数:240
    • 开本:16开
    • ISBN:9787115650023
    • 版权提供:人民邮电出版社
  • 作者: 赤石雅典 著 张诚 译
  • 著: 赤石雅典 著 张诚 译 译
  • 装帧: 平装
  • 印次: 1
  • 定价: 69
  • ISBN: 9787115650023
  • 出版社: 人民邮电出版社
  • 开本: 16开
  • 印刷时间: 暂无
  • 语种: 暂无
  • 出版时间: 2025-08-01
  • 页数: 240
  • 外部编号: 庄村61642
  • 版次: 1
  • 成品尺寸: 暂无
  • 导入篇
    第 1章 机器学习入门 2
    11 人工智能(AI)与机器学习 2
    12 机器学习 3
    121 机器学习模型 3
    122 学习的方法 4
    123 监督学习与回归和分类 4
    124 训练步与预测步 5
    125 损失函数与梯度下降法 6
    13 机器学习模型初步 7
    14 本书中采用的机器学习模型 13
    15 机器学习与深度学习中数学的必要性 15
    16 本书的结构 16
    理论篇
    第 2章 微分与积分 22
    21 函数 22
    211 什么是函数 22
    212 函数图像 23
    22 复合函数与反函数 24
    221 复合函数 24
    222 反函数 25
    23 微分与极限 27
    231 微分的定义 27
    232 微分与函数值的近似 29
    233 切线方程 30
    专栏 切线方程与训练步和预测步 31
    24 极大值与极小值 32
    25 多项式的微分 34
    251 x^n 的微分 34
    252 微分的线性属性以及多项式的微分 34
    253 x^r 的微分 35
    专栏 组合与二项式定理 36
    26 乘积的微分 37
    27 复合函数的微分 38
    271 复合函数的微分 38
    272 反函数的微分 40
    28 商的微分 41
    29 积分 42
    专栏 积分符号的含义 45
    第3章 向量与矩阵 46
    31 向量入门 46
    311 向量 46
    312 向量的表示方法 47
    313 向量的分量 48
    314 向高维拓展 48
    315 向量的分量表示法 49
    32 向量的和、差与数乘 49
    321 向量的和 49
    322 向量的差 50
    323 向量的数乘 51
    33 长度(模)与距离 52
    331 向量的长度(模) 52
    332 Σ 符号的意义 54
    333 向量间的距离 55
    34三角函数 56
    341 三角比 56
    342 三角函数 56
    343 三角函数的图像 57
    344 用三角函数表示直角三角形的边 58
    35 内积 58
    351 基于数值定义内积 58
    352 分量形式的内积公式 59
    36 余弦相似度 61
    361 二维向量之间的角度 61
    362 余弦相似度 62
    专栏 余弦相似度的应用举例 63
    37 矩阵与矩阵运算 63
    371 输出节点的内积形式 63
    372 输出节点的矩阵积形式 64
    第4章 多元函数的微分 67
    41 多元函数 67
    42 偏微分 69
    43 全微分 71
    44 全微分与复合函数 73
    45 梯度下降法 76
    专栏 梯度下降法与局部最优解 82
    第5章 指数函数与对数函数 83
    51 指数函数 83
    511 连乘的定义与法则 83
    512 连乘的拓展 84
    513 向函数拓展 86
    52 对数函数 88
    专栏 对数函数包含的意义 92
    53 对数函数的微分 93
    专栏 用 Python 计算自然常数 95
    54 指数函数的微分 96
    专栏 以自然常数 e 为底的指数函数的写法 97
    55 Sigmoid 函数 98
    56 Softmax 函数 100
    专栏 Sigmoid 函数与 Softmax 函数的关系 103
    第6章 概率与统计 104
    61 概率函数与概率分布 104
    62 概率密度函数与概率分布函数 107
    专栏 正态分布函数与 Sigmoid 函数 109
    63 似然函数与最大似然估计 110
    专栏 为何似然函数的极值不是极小而是极大 113
    实践篇
    第7章 线性回归模型 116
    71 损失函数的偏微分与梯度下降法 116
    72 例题的问题设定 117
    73 训练数据的记法 118
    74 梯度下降法的思路 119
    75 预测模型的构造 120
    76 损失函数的构造 122
    77 计算损失函数的微分 122
    78 梯度下降法的应用 124
    79 编程实践 126
    专栏 使用 NumPy 编程的技术 130
    710 多元回归模型的扩展 134
    专栏 学习率·循环迭代次数的调整方法 138
    第8章 逻辑回归模型(二分类) 140
    81 例题的问题设定 140
    82 回归模型与分类模型的区别 142
    83 预测模型的分析 143
    专栏 用概率表达预测值大有深意 147
    84 损失函数(交叉熵函数) 147
    85 计算损失函数的微分 151
    86 梯度下降法的应用 154
    87 编程实践 155
    专栏 scikit-learn 与模块的比较 163
    专栏 球迷国王的烦恼与交叉熵 163
    第9章 逻辑回归模型(多分类) 166
    91 例题的问题设定 166
    92 模型的基础概念 168
    93 权重矩阵 169
    94 Softmax 函数 170
    95 损失函数 172
    96 计算损失函数的微分 173
    97 梯度下降法的应用 177
    98 编程实践 178
    专栏 NumPy 中的矩阵计算 180
    第 10章 深度学习模型 189
    101 例题的问题设定 189
    102 模型结构与预测函数 190
    103 损失函数 193
    104 计算损失函数的微分 193
    105 误差逆传播 197
    106 梯度下降法的应用 200
    107 编程实践(1) 203
    108 编程实践(2) 210
    109 编程实践(3) 211
    1010 编程实践(4) 214
    发展篇
    第 11章 面向实践的深度学习 218
    111 使用框架 218
    112 CNN 221
    113 RNN 与 LSTM 223
    114 数值微分 224
    115 高级训练法 226
    116 避免过拟合 228
    117 学习的单位 231
    118 矩阵的初始化 232
    119 更上一层楼 233
    附录 Jupyter Notebook 的安装方法 234
    A1 在 Windows 环境中安装 Jupyter Notebook 234
    A2 在 macOS 环境中安装 Jupyter Notebook 238

    [日]赤石雅典,1985年东京大学工程学院定量工程系毕业后加入IBM日本。 东京基础研究室研究员,从事数学表达式处理系统的研究与开发。 1993年,主要负责基础结构设计,开放系统的构建和应用程序设计。 2013年,移至智慧城市业务,2016年,移至沃森分公司。 自加入公司以来,他在IT和AI的各个领域都有丰富的经验,并且可以畅谈从IT平台到DB设计,应用程序开发,编程语言,SQL调整,Watson,机器学习的所有内容。

    1.知识系统化,且辅以大量的图示和案例,更方便零基础人阅读。
    2.重难点标注清晰,章前有本章概要,配有一个清晰结构图,全书内容一览即知。
    3.每章附有编程实践,便于上手实战
    4.通过捷径了解深度学习的数学知识!

    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