深度學習的數學
[日]涌井良幸、涌井貞美
- 出版商: 人民郵電
- 出版日期: 2019-06-01
- 定價: $414
- 售價: 9.5 折 $393
- 語言: 簡體中文
- ISBN: 7115509344
- ISBN-13: 9787115509345
-
相關分類:
DeepLearning
-
相關翻譯:
深度學習的數學：用數學開啟深度學習的大門 (書況略舊,不介意在下單) (繁中版)
銷售排行:
👍 2020 年度 簡體中文書 銷售排行 第 8 名
🥈 2020/2 簡體中文書 銷售排行 第 2 名
🥇 2020/1 簡體中文書 銷售排行 第 1 名
👍 2019 年度 簡體中文書 銷售排行 第 5 名
🥈 2019/12 簡體中文書 銷售排行 第 2 名
🥇 2019/11 簡體中文書 銷售排行 第 1 名
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
圖解機器學習$359$341 -
程序員的數學3 : 線性代數$474$450 -
貝葉斯方法：概率編程與貝葉斯推斷 (Bayesian Methods for Hackers: Probabilistic Programming and Bayesian Inference)$534$507 -
TensorFlow + Keras 深度學習人工智慧實務應用$590$460 -
演算法圖鑑：26種演算法 + 7種資料結構，人工智慧、數據分析、邏輯思考的原理和應用 step by step 全圖解$450$356 -
程序員的數學2 : 概率統計$474$450 -
程序員的數學$294$279 -
深度學習入門教室：6堂基礎課程 + Python 實作練習，Deep Learning、人工智慧、機器學習的理論和應用全圖解$550$495 -
Python 機器學習與深度學習特訓班：看得懂也會做的 AI人工智慧實戰 (附120分鐘影音教學/範例程式)$520$411 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
$311機器學習：算法背後的理論與優化 -
$301特徵工程入門與實踐 (Feature Engineering Made Easy) -
$301精通特徵工程 (Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists) -
TensorFlow 與 Keras - Python 深度學習應用實務$650$553 -
輕鬆學會 Google TensorFlow 2.0 人工智慧深度學習實作開發$520$406 -
Python 機器學習錦囊妙計 (Machine Learning with Python Cookbook)$580$458 -
圖解 RPA 機器人流程自動化入門：10堂基礎課程+第一線導入實證，從資料到資訊、從人工操作到數位勞動力，智慧化新技術的原理機制、運作管理、效益法則$499$394 -
科班出身的 AI人必修課：OpenCV 影像處理 使用 Python$780$616 -
深度學習 (Deep Learning)(繁體中文版)$1,200$1,020 -
動手做深度強化學習 (Deep Reinforcement Learning Hands-On)$690$538 -
$431機器學習中的數學 -
NumPy 高速運算徹底解說 - 六行寫一隻程式？你真懂深度學習？手工算給你看！$750$638 -
機器學習工程師面試全破解：嚴選124道AI演算法決勝題完整剖析$650$507 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$493 -
特徵工程不再難：資料科學新手也能輕鬆搞定！ (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$406
相關主題
商品描述
《深度學習的數學》基於豐富的圖示和具體示例，通俗易懂地介紹了深度學習相關的數學知識。第1章介紹神經網絡的概況；第2章介紹理解神經網絡所需的數學基礎知識；第3章介紹神經網絡的最優化；第4章介紹神經網絡和誤差反向傳播法；第5章介紹深度學習和捲積神經網絡。書中使用Excel進行理論驗證，幫助讀者直觀地體驗深度學習的原理。
作者簡介
湧井良幸（作者）
1950年生於東京，畢業於東京教育大學（現筑波大學）數學系，現為自由職業者。著有《用Excel學深度學習》（合著）、《統計學有什麼用？》等。
湧井貞美（作者）
1952年生於東京，完成東京大學理學系研究科碩士課程，現為自由職業者。著有《用Excel學深度學習》（合著）、《圖解貝葉斯統計入門》等。
楊瑞龍（譯者）
1982年生，2008年北京大學數學科學學院碩士畢業，軟件開發者，從事軟件行業10年。2013年～2016年赴日工作3年，從2016年開始在哆嗒數學網公眾號發表《數學上下三萬年》等多篇翻譯作品。
目錄大綱
第1章神經網絡的思想
1 - 1神經網絡和深度學習2
1 - 2神經元工作的數學表示6
1 - 3激活函數：將神經元的工作一般化12
1 - 4什麼是神經網絡18
1 - 5用惡魔來講解神經網絡的結構23
1 - 6將惡魔的工作翻譯為神經網絡的語言31
1 - 7網絡自學習的神經網絡36
第2章神經網絡的數學基礎
2 - 1神經網絡所需的函數40
2 - 2有助於理解神經網絡的數列和遞推關係式46
2 - 3神經網絡中經常用到的Σ符號51
2 - 4有助於理解神經網絡的向量基礎53
2 - 5有助於理解神經網絡的矩陣基礎61
2 - 6神經網絡的導數基礎65
2 - 7神經網絡的偏導數基礎72
2 - 8誤差反向傳播法必需的鍊式法則76
2 - 9梯度下降法的基礎：多變量函數的近似公式80
2 - 10梯度下降法的含義與公式83
2 - 11用Excel體驗梯度下降法91
2 - 12最優化問題和回歸分析94
第3章神經網絡的最優化
3 - 1神經網絡的參數和變量102
3 - 2神經網絡的變量的關係式111
3 - 3學習數據和正解114
3 - 4神經網絡的代價函數119
3 - 5用Excel體驗神經網絡127
第4章神經網絡和誤差反向傳播法
4 - 1梯度下降法的回顧134
4 - 2神經單元誤差141
4 - 3神經網絡和誤差反向傳播法146
4 - 4用Excel體驗神經網絡的誤差反向傳播法153
第5章深度學習和卷積神經網絡
5 - 1小惡魔來講解卷積神經網絡的結構168
5 - 2將小惡魔的工作翻譯為卷積神經網絡的語言174
5 - 3卷積神經網絡的變量關係式180
5 - 4用Excel體驗卷積神經網絡193
5 - 5卷積神經網絡和誤差反向傳播法200
5 - 6用Excel體驗卷積神經網絡的誤差反向傳播法212
附錄
A訓練數據（1） 222
B訓練數據（2） 223
C用數學式表示模式的相似度225
