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)
涌井良幸、涌井貞美 著 楊瑞龍 譯
- 出版商: 博碩文化
- 出版日期: 2020-05-04
- 定價: $500
- 售價: 8.5 折 $425
- 語言: 繁體中文
- 頁數: 240
- 裝訂: 平裝
- ISBN: 9864344803
- ISBN-13: 9789864344802
-
相關分類:
DeepLearning
- 此書翻譯自: 深度學習的數學
無法訂購
買這商品的人也買了...
-
程序員的數學3 : 線性代數$474$450 -
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
世界第一簡單機器學習$320$288 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
用 Python 實作強化學習｜使用 TensorFlow 與 OpenAI Gym (Hands-On Reinforcement Learning with Python)$520$411 -
最專業的語音辨識全書：使用深度學習實作$680$537 -
科班出身的 AI人必修課：OpenCV 影像處理 使用 Python$780$616 -
深度學習圖解 (Grokking Deep Learning)$594$564 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
tf.keras 技術者們必讀！深度學習攻略手冊$1,000$850 -
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 -
AI 背後的暗知識：機器如何學習、認知與改造我們的未來世界$420$378 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 2/e (Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2/e)$1,200$948 -
矽谷工程師爬蟲手冊：用 Python 成為進階高手$890$703 -
Python 神乎其技 全新超譯版 - 快速精通 Python 進階功能, 寫出 Pythonic 的程式 (Python Tricks: A Buffet of Awesome Python Features)$580$493 -
The Pragmatic Programmer 20週年紀念版 (The Pragmatic Programmer, 20th Anniversary Edition)$680$537 -
機器學習｜特徵工程 (Feature Engineering for Machine Learning)$520$411 -
量子電腦程式設計 (Programming Quantum Computers: Essential Algorithms and Code Samples)$680$537 -
深度學習的數學地圖 -- 用 Python 實作神經網路的數學模型 (附數學快查學習地圖)$580$458 -
決心打底！Python 深度學習基礎養成$690$587 -
Statistics Hacks 統計學駭客 75招 (Statistics Hacks)$580$458 -
Python 機器學習 (上), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$620$484 -
Hacking APIs｜剖析 Web API 漏洞攻擊技法$580$458 -
資料科學基礎數學 (Essential Math for Data Science)$680$537 -
跟 NVIDIA 學深度學習！從基本神經網路到 ......、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$695
相關主題
商品描述
【數學王道】01
掌握數學才能開啟深度學習的大門
注重理解才能走向數學應用之大道
許多人在求學時期接觸數學的時候總是意興闌珊，總覺得只要四則運算就能夠應付大部分的日常所需，什麼指數、對數、向量、三角函數，甚至微積分，常常是不求甚解而只求低空飛過。等到機器學習、深度學習等掘起，人們才突然了解到那些數學知識的確是有用的，它們才是這些領域入門的鑰匙。
不論您是曾經放棄過數學，還是想要重溫數學的知識，透過本書都可以讓您迅速重回數學的懷抱。書中擅用比喻的方式，務使讀者能夠從基礎原理開始理解，並佐以簡明扼要的範例加以解說，使讀者循序漸進地理解深度學習的諸多關鍵字，像是：權重、偏壓、啟動函數、梯度下降法、誤差反向傳播法、卷積神經網路......等。搭配清楚且直觀的插圖，就連高中生也看得懂！不管什麼樣的職業或年紀，只要拿起這本書，就能使數學成為您強而有力的武器。
除了理解之外，本書也重視實際動手作。您可以下載書中資源，親自用Excel檔來接觸深度學習的數學操作。輸入不同的數字並觀察其變化，相信會使讀者更能夠了解公式的涵義。
本書內容
第1章 神經網路的概說
第2章 理解神經網路所需的數學基礎知識
第3章 神經網路的最佳化
第4章 神經網路和誤差反向傳播法
第5章 深度學習和卷積神經網路。
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
1950年出生於東京，畢業於東京教育大學（現今的筑波大學）數學系，並於千葉縣立高等學校擔任教職。爾後他辭去教職成為一名作家，致力於書籍的寫作。著有《用Excel學深度學習》（合著）、《統計學有什麼用？》等書。
湧井貞美
1952年出生於東京，完成東京大學理學系研究科碩士課程後，陸續擔任富士通、神奈川縣立高等學校的教職員，而後成為獨立的科普作家。著有《用Excel學深度學習》（合著）、《圖解貝葉斯統計入門》等書。
目錄大綱
第 1 章 神經網路的概說
1-1 神經網路和深度學習
1-2 神經元行為的數學表示
1-3 啟動函數：將神經元的行為一般化
1-4 什麼是神經網路
1-5 用惡魔來講解神經網路的結構
1-6 將惡魔的行為翻譯成神經網路的語言
1-7 網路自主學習的神經網路
第 2 章 神經網路的數學基礎
2-1 神經網路所需的函數
2-2 有助於理解神經網路的數列和遞推關係式
2-3 神經網路中經常用到的 Σ 符號
2-4 有助於理解神經網路的向量基礎
2-5 有助於理解神經網路的矩陣基礎
2-6 神經網路的微分基礎
2-7 神經網路的偏微分基礎
2-8 誤差反向傳播法必備的連鎖律
2-9 梯度下降法的基礎：多變數函數的近似公式
2-10 梯度下降法的涵義與公式
2-11 用 Excel 體驗梯度下降法
2-12 最優化問題和迴歸分析
第 3 章 神經網路的最佳化
3-1 神經網路的參數和變數
3-2 神經網路的變數的關係式
3-3 學習資料和正解
3-4 神經網路的成本函數
3-5 用 Excel 體驗神經網路
第 4 章 神經網路和誤差反向傳播法
4-1 梯度下降法的回顧
4-2 神經單元誤差 δ
4-3 神經網路和誤差反向傳播法
4-4 用 Excel 體驗神經網路的誤差反向傳播法
第 5 章 深度學習和卷積神經網路
5-1 用小惡魔來講解卷積神經網路的結構
5-2 將小惡魔的行為翻譯成卷積神經網路的語言
5-3 卷積神經網路的變數關係式
5-4 用 Excel 體驗卷積神經網路
5-5 卷積神經網路和誤差反向傳播法
5-6 用 Excel 體驗卷積神經網路的誤差反向傳播法
附錄
A 訓練資料（1）
B 訓練資料（2）
C 用數學式表示模式的相似度
