人工智能數學基礎
唐宇迪 等
- 出版商: 北京大學
- 出版日期: 2020-01-01
- 定價: $714
- 售價: 8.5 折 $607
- 語言: 簡體中文
- 頁數: 552
- ISBN: 7301314310
- ISBN-13: 9787301314319
-
相關分類:
人工智慧、Data Science
立即出貨 (庫存=1)
買這商品的人也買了...
-
$305Bootstrap 實戰從入門到精通
-
$427統計機器學習導論 (Introduction to Statistical Machine Learning)
-
$1,715Introduction to Probability, 2/e (Hardcover)
-
$534$507 -
$534$507 -
$305機器學習入門與實戰 — 基於 scikit-learn 和 Keras
-
$599$569 -
$680$537 -
$356集成學習入門與實戰:原理、算法與應用
-
$458Excel 函數與公式最強教科書 (完全版)
-
$458Excel 商務辦公最強教科書 (完全版)
-
$305Python 數據可視化實戰
-
$473EasyRL強化學習教程
-
$556人工智能算法基礎
-
$630$599 -
$500$390 -
$516$490 -
$779$740 -
$594$564 -
$658高級 Python 核心編程開啟精通 Python 編程世界之旅
-
$505python核心編程:從入門到實踐:學與練
-
$560Python 開發實例大全 上捲
-
$560Python 開發實例大全 下捲
-
$607前端工程化 : 基於 Vue.js 3.0 的設計與實踐
-
$2,502R for Data Science: Import, Tidy, Transform, Visualize, and Model Data, 2/e (Paperback)
相關主題
商品描述
數據科學與人工智能數學基礎課旨在幫助讀者快速打下數學基礎,通俗講解每一個知識點。 全書分為3篇,共17章。其中第1篇為基礎篇,主要講述了高等數學基礎、微積分、泰勒公式與拉格朗日;第2篇為核心知識篇,主要講述了線性代數基礎、特徵值與矩陣分解、隨機變量與概率估計、概率論基礎、數據科學的幾種分佈、核函數變換、熵與激活函數;第3篇為 應用篇,主要講述了回歸分析、假設檢驗、相關分析、方差分析、聚類分析、貝葉斯分析等內容。書中案例均是與AI相關的案例。 本書適合準備從事或學習數據科學與人工智能相關行業的讀者。
作者簡介
唐宇迪
計算機博士,雲課堂人工智能認證行家,著有《跟迪哥學機器學習》,課程風格通俗易懂,用最接地氣的方式帶領同學們走進Ai殿堂。侯惠芳,博士,教授,主要研究方向信息安全、計算智能。 2010年畢業於解放軍信息工程大學獲博士學位。中國計算機學會會員。主要研究方向信息安全、計算智能。李琳,副教授,任職於河南工業大學,主要從事計算機基礎類課程的教學及研究,主要研究方向是軟件工程、圖像處理開發。王社偉,博士,副教授,近五年在核心學術期刊及學術會議上發表第一作者論文6篇,其中EI收錄4篇,主持、參與完成各類科研項目3項,參編教材2部。
目錄大綱
目錄 第1 章 人工智能與數學基礎..........1
第 1 篇 基礎篇................................................................. 9
第 2 章 高等數學基礎 ................. 10
第 3 章 微積分..............................39
第 4 章 泰勒公式與拉格朗日 乘子法..............................53
第 2 篇 核心篇............................................................... 69
第 5 章 將研究對象形式化—線性 代數基礎 ..........................70
第 6 章 從數據中提取重要信息— 特徵值與矩陣分解..........127
第 7 章 描述統計規律 1—概率論 基礎................................155
第 8 章 描述統計規律 2—隨機變量 與概率估計........................185
提高篇............................................................. 225
第 9 章 隨機變量的幾種分佈...... 226
第 10 章 數據的空間變換—核函數 變換............................. 287
第 11 章 熵與激活函數 .............. 323
第 12 章 假設檢驗 ..................... 344
第 13 章 相關分析...................... 375
第 14 章 回歸分析......................409
第 15 章 方差分析......................449
第 16 章 聚類分析......................469
第 17 章 貝葉斯分析....................513