- 机器学习的数学
- - 作者：雷明|责编:张涛
  - 出版社：人民邮电
  - ISBN：9787115542939
  - 出版日期：2021/01/01
  - 页数：396
- 售价：43.6

内容大纲
本书的目标是帮助读者全面、系统地掌握机器学习所必需的数学知识。全书由8章组成，内容包括一元函数微积分、线性代数与矩阵论、多元函数微积分、最优化方法、概率论、信息论、随机过程，以及图论。本书从机器学习的角度讲授这些数学知识，举例说明它们在该领域的应用，使读者对某些抽象的数学概念和理论的实际应用有直观、具体的认识。
本书内容紧凑，结构清晰，深入浅出，讲解详细，可作为计算机、人工智能、电子工程、自动化、数学等相关专业的教材与教学参考书。对于人工智能领域的工程技术人员与产品研发人员，本书也有很高的参考价值。对于广大数学爱好者，本书亦为适合自学的读本。
作者介绍
雷明，人工智能学习与实践平台SIGAI的创始人；2009年毕业于清华大学计算机系，获硕士学位，研究方向为机器视觉与机器学习；毕业后曾就职于百度公司，任高级软件工程师、项目经理。2012年加入zrnodo（深圳市智美达科技股份有限公司），任CTO与平台研发中心负责人；2018年2月创立SIGAI，其核心产品为云端实验室与知识库，为人工智能学习与实践提供便捷的一站式服务：在机器学习与深度学习、机器视觉、自然语言处理方向有扎实的理论功底与丰富的学术和产品研发经验，硕士期间曾发表论文数篇。
目录
第1章  一元函数微积分
  1.1  极限与连续
    1.1.1  可数集与不可数集
    1.1.2  数列的极限
    1.1.3  函数的极限
    1.1.4  函数的连续性与间断点
    1.1.5  上确界与下确界
    1.1.6  李普希茨连续性
    1.1.7  无穷小量
  1.2  导数与微分
    1.2.1  一阶导数
    1.2.2  机器学习中的常用函数
    1.2.3  高阶导数
    1.2.4  微分
    1.2.5  导数与函数的单调性
    1.2.6  极值判别法则
    1.2.7  导数与函数的凹凸性
  1.3  微分中值定理
    1.3.1  罗尔中值定理
    1.3.2  拉格朗日中值定理
    1.3.3  柯西中值定理
  1.4  泰勒公式
  1.5  不定积分
    1.5.1  不定积分的定义与性质
    1.5.2  换元积分法
    1.5.3  分部积分法
  1.6  定积分
    1.6.1  定积分的定义与性质
    1.6.2  牛顿-莱布尼茨公式
    1.6.3  定积分的计算
    1.6.4  变上限积分
    1.6.5  定积分的应用
    1.6.6  广义积分
  1.7  常微分方程
    1.7.1  基本概念
    1.7.2  一阶线性微分方程
第2章  线性代数与矩阵论
  2.1  向量及其运算
    2.1.1  基本概念
    2.1.2  基本运算
    2.1.3  向量的范数
    2.1.4  解析几何
    2.1.5  线性相关性
    2.1.6  向量空间
    2.1.7  应用——线性回归
    2.1.8  应用——线性分类器与支持向量机
  2.2  矩阵及其运算
    2.2.1  基本概念
    2.2.2  基本运算
    2.2.3  逆矩阵

    2.2.4  矩阵的范数
    2.2.5  应用——人工神经网络
    2.2.6  线性变换
  2.3  行列式
    2.3.1  行列式的定义与性质
    2.3.2  计算方法
  2.4  线性方程组
    2.4.1  高斯消元法
    2.4.2  齐次方程组
    2.4.3  非齐次方程组
  2.5  特征值与特征向量
    2.5.1  特征值与特征向量
    2.5.2  相似变换
    2.5.3  正交变换
    2.5.4  QR算法
    2.5.5  广义特征值
    2.5.6  瑞利商
    2.5.7  谱范数与特征值的关系
    2.5.8  条件数
    2.5.9  应用——谱归一化与谱正则化
  ……
第3章  多元函数微积分
第4章  最优化方法
第5章  概率论
第6章  信息论
第7章  随机过程
第8章  图论

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目