圖解機器學習與資料科學的數學基礎｜使用 Python

搞懂不會背叛你的數學，進一步提升你的程式功力！
本書透過圖表解說人工智慧與資料科學領域的相關數學知識，並告訴你如何將其轉換為程式碼，除了可以吸收關於數學的知識之外，也能立即運用在工作上。

透過機率統計的學習，了解如何改善業務流程
本書將AI與資料科學的相關數學知識分成四大篇，第一篇的「機率統計、機器學習篇」介紹的是了解工作情況，篩選出必要資訊的流程，以及位於這個流程背後的機率統計、機器學習的數學知識。能掌握工作情況就能知道該如何改善相關業務，也能進一步觀察未來的變化。

了解最佳化的步驟，學會職場所需的最佳化流程
第二篇「數理最佳化篇」介紹最佳化業務的流程，以及解決業務問題的方法。要最佳化業務，就必須先了解哪些部分需要改善效率，換言之，最佳化的重點在於找出問題。了解最佳化的步驟與問題的種類，就能學會工作職場所需的最佳化流程。

透過預測病毒的傳播模式，了解相關的數學理論
第三篇「數值模擬篇」則以傳染染病的傳播為主題，學習預測這類傳播模式的微分。只要了解微分，就能了解病毒的傳播模式，也能利用動畫說明傳播模式與製作出臨場感十足的簡報。最後的「深度學習篇」則會先說明近年來發展神速的深度學習技術原理，再說明這些原因都於哪些技術或職場應用。

來自讀者的讚譽
「這是我買過最實用的書」
「這本書可以讓你知道如何將數學應用在現實世界的工作之中」
「這本書拯救了文科出身，在工作上又不得不面對數學的我」

<序>

運用數學知識改善業務流程
現代已是AI／資料科學普及，熟悉機器學習這類尖端技術的工程師能夠大展身手的時代，而工程師與上班族是否具備這些技術背後的數學知識，工作表現也將有明顯的落差。若具備這類數學知識，不僅可使用函式庫這類工具，有時還可自行開發需要的工具，也能知道該如何改善業務流程或是改革業務內容。

雖然工程師或上班族若是了解數學，將可增加自己的可塑性，但是閱讀解說數學的專業書籍，也不見得就能有助於工作。數學專業書籍之所以艱深，主要分成兩大理由：
．一堆困難的公式，讓人望之卻步
．再怎麼詳盡的解說也讓人無法了解公式的內容

透過簡單的程式邊做邊學，就能了解所需的數學知識
其實工程師與上班族所需的數學都可以直覺地學會，不需要學習一堆公式，但大部分的人都認為解說數學的時候「需要公式」，而為了解說艱深的公式，數學專業書籍才會厚厚一本。一看到那麼厚的一本書，讀者往往會被勸退，不然就是讀到最後，也不知道該如何使用數學。

利用圖解取代公式，無障礙地吸收數學的知識
本書要利用圖解取代公式，讓各位讀者更能直覺吸收數學的知識，也要透過簡單的程式讓讀者邊做邊學，直到學會需要的知識為止。其實要了解數學，不一定非得透過公式說明。要想掌握數學的一個知識點，可先掌握這個知識點的用途，之後再試著透過圖案或圖表直覺地了解這個知識點，最後再試著使用這項數學知識，這也是學會數學所需的步驟。大家可一邊預設自己會在哪些工作場合使用這些數學知識，再透過圖解或程式按部就班了解所需的數學知識。

只要能了解數學的原理，就能了解機器學習的系統運作原理
本書使用的程式語言是Python，但就算是沒有Python的知識，或是毫無程式設計背景知識的上班族，都可藉由「試著執行本書的程式」，掌握本書介紹的數學知識。不管是要了解數學，還是要撰寫程式，重點在於「先試著動手做做看」，而不是從零開始撰寫程式碼。執行程式，確認結果之後，粗略了解程式的執行內容與架構，這才是透過程式了解數學的第一步，也是最重要的一步。雖然只是粗淺的了解，但只要能了解數學的原理，就能了解機器學習的系統運作原理，也就能發現機器學習系統的問題，或是在利用多種系統解決工作問題的時候，能自行決定該使用哪些數學原理。一旦了解上述的系統與原理，就能了解數學或程式設計這類專業書籍的定位，還能進一步強化相關知識。閱讀本書可更直覺地了解數學，進一步擴張工程學的可能性。