登入帳戶  | 訂單查詢  | 購物車/收銀台(0) | 在線留言板  | 付款方式  | 聯絡我們  | 運費計算  | 幫助中心 |  加入書簽
會員登入 新註冊 | 新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌 香港/國際用戶
最新/最熱/最齊全的簡體書網 品種:超過100萬種書,正品正价,放心網購,悭钱省心 送貨:速遞 / EMS,時效:出貨後2-3日

2024年10月出版新書

2024年09月出版新書

2024年08月出版新書

2024年07月出版新書

2024年06月出版新書

2024年05月出版新書

2024年04月出版新書

2024年03月出版新書

2024年02月出版新書

2024年01月出版新書

2023年12月出版新書

2023年11月出版新書

2023年10月出版新書

2023年09月出版新書

『簡體書』数据科学与工程数学基础

書城自編碼: 4033482
分類: 簡體書→大陸圖書→教材研究生/本科/专科教材
作者: 黄定江
國際書號(ISBN): 9787576043426
出版社: 华东师范大学出版社
出版日期: 2024-09-01

頁數/字數: /
書度/開本: 16开 釘裝: 平装

售價:NT$ 505

我要買

share:

** 我創建的書架 **
未登入.



新書推薦:
耕读史
《 耕读史 》

售價:NT$ 500.0
地理计算与R语言   [英] 罗宾·洛夫莱斯      [德]雅纳·蒙乔       [波兰] 雅库布·诺沃萨德
《 地理计算与R语言 [英] 罗宾·洛夫莱斯 [德]雅纳·蒙乔 [波兰] 雅库布·诺沃萨德 》

售價:NT$ 551.0
沈括的知识世界:一种闻见主义的实践(中华学术译丛)
《 沈括的知识世界:一种闻见主义的实践(中华学术译丛) 》

售價:NT$ 398.0
大思维:哥伦比亚商学院六步创新思维模型
《 大思维:哥伦比亚商学院六步创新思维模型 》

售價:NT$ 332.0
宏观经济学(第三版)【2024诺贝尔经济学奖获奖者作品】
《 宏观经济学(第三版)【2024诺贝尔经济学奖获奖者作品】 》

售價:NT$ 709.0
UE5虚幻引擎必修课(视频教学版)
《 UE5虚幻引擎必修课(视频教学版) 》

售價:NT$ 505.0
真需求
《 真需求 》

售價:NT$ 505.0
阿勒泰的春天
《 阿勒泰的春天 》

售價:NT$ 230.0

內容簡介:
《数据科学与工程数学基础》主要介绍数据驱动的机器学习和人工智能建模与计算所依赖的数学基础,包括:
数值线性代数、概率论、信息论基础及概率模型估计、最优化方法等。本书可以作为数值线性代数、概率论与信息论、最优化方法等基础的参考读物。此外,对于像数学系更关注理论的课程,本书可以作为辅助教材,它提供了一些简单的实际例子。
本书特色:能帮助读者快速理清和掌握数据驱动的机器学习和人工智能建模与计算所需的相关数学知识,即表示数据所需的向量和矩阵的概念与运算,以及数值线性代数的四大核心议题;构建数据概率模型所需的概率基础和相关的统计和信息论准则;判断、描述以及求解凸优化问题的方法和背景知识等。
關於作者:
黄定江,华东师范大学数据科学与工程学院教授、博士生导师。曾任职于复旦大学和新加坡南洋理工大学,并担任美国加州大学圣克鲁兹分校计算机系访问教授。主要从事人工智能与机器学习、数学物理及其在能源电力、金融科技等跨领域的大数据解析和应用方面的研究。先后主持承担国家自然科学基金会联合基金重点项目和面上项目、国家重点基础研究发展计划(973计划)子课题等多个科研项目。以第一作者身份在国内外重要人工智能会议和期刊发表论文五十多篇,担任神经信息处理系统大公(NeUHPS)、国际万维网大会(WW)国际人工智能联合会议(IJCA)、国际多媒体大会(ACM MM)等20多个国际人工智能会议或期刊的程序委员或评审人。曾获国家级教学成果二等奖。
目錄
第一章 绪论
1.1 本教材产生的背景和定位
1.2 从图像感知到自然语言处理
1.3 从数据分析到数学基础
1.4 数据分析和机器学习所需数学内容框架
1.5 数据科学与工程数学的历史
第二章 度量与投影
2.1 数据的向量与矩阵表示
2.2 内积与范数:数据度量的观点
2.3 正交与投影
2.4 正交基与Gram-Schmidt正交化
2.5 具有特殊结构和性质的矩阵
第三章 矩阵分解
3.1 数学中常见的具有特殊结构的矩阵
3.2 数据科学中常见的矩阵
3.3 LU分解
3.4 QR分解
3.5 谱分解与Cholesky分解
3.6 奇异值分解
第四章 矩阵计算问题
4.1 线性方程组的直接解法
4.2 最小二乘问题
4.3 特征值计算
第五章 向量与矩阵微分
5.1 向量函数和矩阵函数
5.2 统计机器学习中的非概率型函数模型
5.3 深度神经网络中的函数构造
5.4 向量和矩阵函数的梯度
5.5 对矩阵微分
5.6 迹函数的微分和迹微分法
5.7 向量值函数和矩阵值函数的梯度
5.8 链式法则
5.9 反向传播和自动微分
5.10 高阶微分和泰勒展开
第六章 信息论基础
6.1 熵、相对熵和互信息
6.2 连续分布的微分熵和最大熵
6.3 信息论在数据科学中的应用
第七章 概率模型
7.1 从概率到统计
7.2 概率密度函数的估计
7.3 概率模型与图表示
7.4 机器学习中的概率模型
第八章 优化基础
8.1 优化简介
8.2 凸集
8.3 凸函数
8.4 凸优化
第九章 最优性条件和对偶理论
9.1 无约束优化的最优性条件
9.2 Lagrange对偶函数
9.3 Lagrange对偶问题
9.4 最优性条件
9.5 数据科学中常见模型的对偶问题
第十章 优化算法
10.1 无约束优化
10.2 约束优化
10.3 复合优化算法
10.4 深度学习常用优化算法
10.5 在线凸优化算法简介

 

 

書城介紹  | 合作申請 | 索要書目  | 新手入門 | 聯絡方式  | 幫助中心 | 找書說明  | 送貨方式 | 付款方式 香港用户  | 台灣用户 | 海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 (香港)大書城有限公司 All Rights Reserved.