內文簡介
清華大學榮譽教授李家同博士推薦：『數學是 AI 的根本, 你可以跟著本書扎實理解機器學習最根本的數學基礎。』
國立台中教育大學數學教育學系胡豐榮博士與清華大學數學系畢徐先正合譯
『進入 AI 時代，數學突然紅起來！』
現在資訊科學界最夯的主題就是 AI、機器學習、深度學習。Google、Apple、Amazon、台積電……等世界大廠都在爭搶 AI 大餅，比的是誰家的 AI 比較聰明、比較準確，因此發展出許多先進的技術，甚至把 AI 直接植入晶片中。每家好像都很厲害，然而高下區別的關鍵在哪裏？
大家使用的開發工具不外乎 TensorFlow、Keras、Numpy，你會用，別人也會，那你憑甚麼贏人家？當然要靠獨創的技術、神秘的參數配方，而這些都是開發工具給不了的。如果只靠土法煉鋼，不斷「Try Try 看」各種參數組合，這實在太不科學，根本無法提升能力。所以必須徹頭徹尾弄懂 AI 技術裏面在做甚麼？才知道應該用什麼參數去試、用甚麼演算法去算……，想做出比別人更好的 AI，就必須自我蛻變，這一切的打底功夫就是「數學」。
『AI、機器學習、深度學習需要的數學，你懂了嗎？』
數學領域的學科龐雜，國中、高中學完之後也不知道幹嘛，或是不求甚解，久而久之就還給老師了。然而在 21 世紀進入機器學習、深度學習領域，完全避不開下面這些東西，你懂了嗎？：
「邏輯斯迴歸／線性迴歸／合成函數／鏈鎖法則／條件機率／貝氏定理／最小平方法／最大概似估計法／常態分佈／機率密度函數／向量內積／相關係數／誤差函數／代換積分／多元迴歸分析／神經網路／多變數偏微分／矩陣偏微分／梯度下降法／隨機梯度下降法／非線性邏輯斯函數／Sigmoid／反向傳播／more…」
媽呀！誰來教教我？
小編看過市面上數本主打機器學習或深度學習的數學書，主要分兩類：其一是內容太過簡單講得不夠深入，其二是假設你的數學能力已經很強，直接跳過許多細節，這兩類讀了還是不知所云。沒關係，本書就是為你設計的，帶你從基礎開始複習，搭配實務案例，讓你知道數學可以怎麼用。而且最重要的是「只教機器學習、深度學習用得到的數學，講清楚、才能吸收」，其它用不到的不講，節省大家的寶貴時間。
本書設計的巧妙之處在於前面講過的內容，到了進階的部份仍然會不斷前後呼應，不斷提醒。書中的運算步驟，像是梯度下降法、隨機梯度下降法、反向傳播... 都一一手算推導給你看。認真讀完本書，機器學習與深度學習的數學就能深印腦海。

★本書特色：

只講機器學習、深度學習用得到的數學，追根究底且看得懂
梯度下降法、隨機梯度下降法、反向傳播... 一步一步手工算給你看
利用實務範例，更能了解數學可以用在哪裏
作者簡介
西內啟
東京大學醫學院畢業，專長為生物統計學。曾經擔任東京大學醫學系醫療溝通學科助理教授，大學醫療資訊網路研究中心副所長，Dana-Farber/Harvard 癌症研究中心的客座研究員。他於 2014 年創立 Data Vehicle 公司，開發商業應用的資料分析工具與資料研究的服務。

譯者：胡豐榮博士
日本大阪大學數學碩士、博士
彰化師範大學科學教育研究所碩士
現任國立台中教育大學數學教育系專任教授兼總務長
傑出事蹟：榮獲科技部100-103年度特殊優秀人才獎勵、榮獲2014年智慧律建築設計創意競賽決賽入選、榮獲國立台中教育大學104與108年度研究優良獎勵
研究專長：機率論、線性控制、財務數學、數理統計、測驗統計、研究倫理

譯者：徐先正
中國文化大學日本研究所碩士
清華大學數學系應數組
國票證券投顧專業經理
曾任元富期貨期貨分析師／新壽證券期貨研究員／精實財經媒體日文財經編譯／
台灣工銀證券專業副理
目錄
序篇 AI、機器學習需要什麼樣的數學能力
單元01 21世紀每個人都需要具備數學能力
單元02 數學金字塔

第1篇　機器學習的數學基礎
單元03 將事物用數字來表現
單元04 將數字用字母符號代替
單元05 減法是負數的加法, 除法是倒數的乘法
單元06 機率先修班：集合
單元07 機率先修班：命題的邏輯推理
單元08 機率、條件機率與貝氏定理

第2篇　機器學習需要的一次函數與二次函數
單元09 座標圖與函數
單元10 聯立方程式求解與找出直線的斜率與截距
單元11 用聯立不等式做線性規劃
單元12 從線性函數進入二次函數
單元13 利用二次函數標準式求出最大值與最小值
單元14 找出二次函數最適當的解
單元15 用最小平方法找出誤差最小的直線

第3篇　機械學習需要的二項式定理、對數、三角函數
單元16 二項式定理與二項式係數
單元17 利用二項分布計算重複事件發生的機率
單元18 指數運算規則與指數函數圖形
單元19 用對數的觀念處理大數字
單元20 對數的性質與運算規則
單元21 尤拉數 e 與邏輯斯迴歸
單元22 畢氏定理計算兩點距離
單元23 三角函數的基本觀念
單元24 三角函數的弧度制與單位圓

第4篇　機械學習需要的Σ、向量、矩陣
單元25 整合大量數據的 Σ 運算規則
單元26 向量基本運算規則
單元27 向量的內積
單元28 向量內積在計算相關係數的應用
單元29 向量、矩陣與多元線性迴歸
單元30 矩陣的運算規則
單元31 轉置矩陣求解迴歸係數

第5篇　機器學習需要的微分與積分
單元32 函數微分找出極大值或極小值的位置
單元33 n 次函數的微分
單元34 積分基礎－從幾何學角度瞭解連續型機率密度函數
單元35 積分基礎－用積分計算機率密度函數
單元36 合成函數微分、鏈鎖法則與代換積分
單元37 指數函數、對數函數的微分積分
單元38 概似函數與最大概似估計法
單元39 常態分佈的機率密度函數
單元40 多變數積分–雙重積分算機率密度函數係數

第6篇　深度學習需要的數學能力
單元41 多變數的偏微分－對誤差平方和的參數做偏微分
單元42 矩陣型式的偏微分運算
單元43 多元迴歸分析的最大概似估計法與梯度下降
單元44 由線性迴歸瞭解深度學習的多層關係
單元45 多變數邏輯斯迴歸與梯度下降法
單元46 神經網路的基礎－用非線性邏輯斯函數組合出近似函數
單元47 神經網路的數學表示法
單元48 反向傳播－利用隨機梯度下降法與偏微分鏈鎖法則

相關分類

購物須知

寄送時間	全台灣24h到貨，遲到提供100元現金積點。全年無休，週末假日照常出貨。例外說明
送貨方式	透過宅配送達。除網頁另有特別標示外，均為常溫配送。消費者訂購之商品若經配送兩次無法送達，再經本公司以電話與Email均無法聯繫逾三天者，本公司將取消該筆訂單，並且全額退款。
送貨範圍	限台灣本島與離島地區註，部分離島地區包括連江馬祖、綠島、蘭嶼、琉球鄉…等貨件，將送至到岸船公司碼頭，需請收貨人自行至碼頭取貨。注意！收件地址請勿為郵政信箱。註：離島地區不配送安裝商品、手機門號商品、超大材商品及四機商品。
售後服務	缺掉頁更換新品
執照證號＆登錄字號	本公司食品業者登錄字號A-116606102-00000-0

關於退貨

PChome24h購物的消費者，都可以依照消費者保護法的規定，享有商品貨到次日起七天猶豫期的權益。(請留意猶豫期非試用期!!)您所退回的商品必須回復原狀（復原至商品到貨時的原始狀態並且保持完整包裝，包括商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性）。商品一經拆封/啟用保固，將使商品價值減損，您理解本公司將依法收取回復原狀必要之費用(若無法復原，費用將以商品價值損失計算)，請先確認商品正確、外觀可接受再行使用，以免影響您的權利，祝您購物順心。
如果您所購買商品是下列特殊商品，請留意下述退貨注意事項：
1. 易於腐敗之商品、保存期限較短之商品、客製化商品、報紙、期刊、雜誌，依據消費者保護法之規定，於收受商品後將無法享有七天猶豫期之權益且不得辦理退貨。
2. 影音商品、電腦軟體或個人衛生用品等一經拆封即無法回復原狀的商品，在您還不確定是否要辦理退貨以前，請勿拆封，一經拆封則依消費者保護法之規定，無法享有七天猶豫期之權益且不得辦理退貨。
3. 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，一經您事先同意後始提供者，依消費者保護法之規定，您將無法享有七天猶豫期之權益且不得辦理退貨。
4. 組合商品於辦理退貨時，應將組合銷售商品一同退貨，若有遺失、毀損或缺件，PChome將可能要求您依照損毀程度負擔回復原狀必要之費用。
若您需辦理退貨，請利用顧客中心「查訂單」或「退訂/退款查詢」的「退訂/退貨」功能填寫申請，我們將於接獲申請之次日起1個工作天內檢視您的退貨要求，檢視完畢後將以E-mail回覆通知您，並將委託本公司指定之宅配公司，在5個工作天內透過電話與您連絡前往取回退貨商品。請您保持電話暢通，並備妥原商品及所有包裝及附件，以便於交付予本公司指定之宅配公司取回（宅配公司僅負責收件，退貨商品仍由特約廠商進行驗收），宅配公司取件後會提供簽收單據給您，請注意留存。
退回商品時，請以本公司或特約廠商寄送商品給您時所使用的外包裝（紙箱或包裝袋），原封包裝後交付給前來取件的宅配公司；如果本公司或特約廠商寄送商品給您時所使用的外包裝（紙箱或包裝袋）已經遺失，請您在商品原廠外盒之外，再以其他適當的包裝盒進行包裝，切勿任由宅配單直接粘貼在商品原廠外盒上或書寫文字。
若因您要求退貨或換貨、或因本公司無法接受您全部或部分之訂單、或因契約解除或失其效力，而需為您辦理退款事宜時，您同意本公司得代您處理發票或折讓單等相關法令所要求之單據，以利本公司為您辦理退款。
本公司收到您所提出的申請後，若經確認無誤，將依消費者保護法之相關規定，返還您已支付之對價（含信用卡交易），退款日當天會再發送E-mail通知函給您。

機器學習的數學基礎：AI、深度學習打底必讀

商品評價

搜尋更多

內文簡介

相關分類