- 依內容分級制度，未登入僅能顯示普遍級內容，登入後即可觀看全站內容。
- 馬上登入
.concat(' ')
.concat(encodeURIComponent(location.href)) .concat('(')
.concat(encodeURIComponent(document.title)) .concat(')'),'_blank','toolbar=yes,scrollbars=yes,resizable=yes,top=180,left=450,width=850,height=650'));)
內容簡介
機器學習：彩色圖解 + 基礎數學篇 + Python實作．王者歸來
在徹底研究機器學習後，筆者體會許多基礎數學不是不會與艱難而是生疏了，如果機器學習的書籍可以將複雜公式從基礎開始一步一步推導，其實可以很容易帶領讀者進入這個領域，同時感受數學不再如此艱澀，這也是我撰寫本書時時提醒自己要留意的事項。
研究機器學習雖然有很多模組可以使用，但是如果不懂相關數學原理，坦白說筆者不會相信未來你在這個領域會有所成就。
這本書講解了下列相關數學的基本知識。
► 資料視覺化使用matplotlib
► 基礎數學模組Math
► 基礎數學模組Sympy
► 數學應用模組Numpy
► 機器學習基本觀念
► 從方程式到函數
► 方程式與機器學習
► 從畢氏定理看機器學習
► 聯立方程式與聯立不等式與機器學習
► 機器學習需要知道的二次函數
► 機器學習的最小平方法
► 機器學習必須知道的集合與機率
► 機率觀念與貝式定理的運用－COVID-19的全民普篩準確性推估
► 筆者講解指數與對數的運算規則，同時驗證這些規則
► 除了講解機器學習很重要的歐拉數(Euler’s Number)，更說明歐拉數的由來
► 認識邏輯(logistic)函數與logit函數
► 三角
研究機器學習雖然有很多模組可以使用，但是如果不懂相關數學原理，坦白說筆者不會相信未來你在這個領域會有所成就。
這本書講解了下列相關數學的基本知識。
► 資料視覺化使用matplotlib
► 基礎數學模組Math
► 基礎數學模組Sympy
► 數學應用模組Numpy
► 機器學習基本觀念
► 從方程式到函數
► 方程式與機器學習
► 從畢氏定理看機器學習
► 聯立方程式與聯立不等式與機器學習
► 機器學習需要知道的二次函數
► 機器學習的最小平方法
► 機器學習必須知道的集合與機率
► 機率觀念與貝式定理的運用－COVID-19的全民普篩準確性推估
► 筆者講解指數與對數的運算規則，同時驗證這些規則
► 除了講解機器學習很重要的歐拉數(Euler’s Number)，更說明歐拉數的由來
► 認識邏輯(logistic)函數與logit函數
► 三角
相關推薦書刊
買此商品的人也買了...
購買前的注意事項
- 本書城的商品為電子書及電子雜誌，並非紙本書。讀者可透過電腦裝置網頁瀏覽，或使用 iPhone、iPad、Android 手機或平板電腦下載閱讀。
- 如有下載閱讀需求，為避免裝置版本無法適用，建議於購書前，先確認您的裝置可下載BOOK☆WALKER的APP，並可先下載免費電子書，確認可順利使用後再行購書。
- 由於數位智慧財產權之特性，所販售之電子書刊經購買後，除內容有瑕疵或錯誤者外，不得要求退貨及退款。如有特殊情形，請洽敝公司客服人員，我們將盡速為您處理。
