機器學習數學基礎（Python語言實現）

內容簡介

本書是一本系統介紹機器學習所涉及的數學知識和相關Python編程的實例工具書，同時還介紹了非常經典的綜合案例，除了編寫機器學習的代碼，還編寫了深度學習的代碼。本書一共分為兩部分。

第一部分為數學基礎知識部分，包含 8個章節，介紹了微積分、線性代數、機率統計、資訊理論、模糊數學、隨機過程、凸最佳化和圖論的系統知識體系及幾個數學知識點對應的Python編程實例。通過這些實例，讀者能夠了解Scikit-learn、Scikit-fuzzy、Theano、SymPy、NetworkX和CVXPY中相應的庫函式的套用。

第二部分為案例部分，包含4個章節，介紹了微積分、線性代數和機率統計問題的建模方法、求解流程和編程實現，以及工業生產領域的Python實戰，包含了機器學習算法和深度學習PyTorch框架的套用。

在學習本書內容前，建議讀者先掌握基本的Python編程知識和數學基礎，然後將本書通讀一遍，了解本書的大概內容，最後再跟著實例進行操作。

本書既注重數學理論，又偏重編程實踐，實用性強，適用於對編程有一定基礎，對系統的數學知識非常渴望，想從事人工智慧、大數據等方向研究的讀者。同時也適合作為廣大職業院校相關專業的教材或參考用書。電子元器件是電路設計的基礎，而電阻、電容和電感又是電路設計中使用非常普遍的電子元器件。本書從物理層面來闡述這三類元器件的實現原理，幫助讀者更好地理解這三類電子元器件的電氣特性及其在電路中的套用。

本書分為三篇，每篇對應一類電子元器件，以問答的形式對三類元器件的原理和使用進行詳細的解釋。每篇還包括元器件的選型規範，幫助讀者快速掌握元器件的選型原則。

本書內容深入淺出、淺顯易懂，通過豐富的實例來剖析枯燥的原理，適合廣大高校學生和電路設計相關工作的工程師。

圖書目錄

第1章　微積分1

1.1　函式和極限2

小試牛刀01：Python編程實現函式極限10

1.2　導數11

1.3　方嚮導數和梯度19

小試牛刀02：Python編程實現雅可比矩陣、黑塞矩陣21

1.4　積分24

專家點撥28

NO1.從事編程開發的人員如何學習微積分？28

NO2.學習微積分需要全部掌握嗎？28

NO3.學習微積分需要大量做題嗎？28

本章小結28

第2章　線性代數29

2.1　行列式30

2.2　用向量描述空間35

2.3　內積、正交向量組和範數36

小試牛刀03：Python編程實現求範數39

2.4　矩陣和線性變換41

小試牛刀04：Python編程實現求逆矩陣、行列式的值、秩49

機器學習數學基礎（Python語言實現）

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條