同类推荐
-
-
计算机人工智能技术发展和应用
-
¥80.00
-
-
人工智能与机器人专业实战训练
-
¥58.00
-
-
分布式人工智能:原理与应用
-
¥118.00
-
-
自主无人系统及应用中的问题
-
¥180.00
-
-
系统建模与控制导论
-
¥189.00
-
-
机器学习数学基础
-
¥89.00
-
-
循环:AI如何影响人类,人类如何应对AI:how te…
-
¥79.00
-
-
基于机器学习的数据分析方法
-
¥89.00
-
-
机器学习系统设计
-
¥128.00
-
-
图强化学习--原理与实践入门
-
¥69.00
|
|
图书信息
|
|
|
人工智能数学基础
|
ISBN: | 9787301314319 |
定价: | ¥119.00 |
作者: | 唐宇迪[等]编著 |
出版社: | 北京大学出版社 |
出版时间: | 2020年11月 |
开本: | 26cm |
页数: | 540页 |
装祯: | 平装 |
中图法: | TP18 |
相关供货商
供货商名称
|
库存量
|
库区
|
更新日期
|
|
|
|
|
其它供货商库存合计
|
1001
|
|
2024-04-19
|
图书简介 | 本书分为4篇, 共17章。其中第1篇为数学知识基础篇, 主要讲述了高等数学基础、微积分、泰勒公式与拉格朗日 ; 第2篇为核心知识篇, 主要讲述了线性代数基础、特征值与矩阵分解、随机变量与概率估计、概率论基础、数据科学的几种分布、核函数变换、熵与激活函数 ; 第3篇为 应用篇, 主要讲述了回归分析、假设检验、相关分析、方差分析、聚类分析、贝叶斯分析等内容。 |
目录 | 第1 章 人工智能与数学基础..........1 r 1.1 什么是人工智能............................ 2 r 1.2 人工智能的发展 ............................ 2 r 1.3 人工智能的应用 ............................ 4r 1.4 学智能需要哪些知识 ............. 5 r 1.5 为什么要学 ......................... 7 r 1.6 本括的数学知识 ...................... 8r 第 1 篇 r 基础篇................................................................. 9 r 第 2 章 高等数学基础 ................. 10 r 2.1 函数.......................................... 11 r 2.2 极限..........................................13 r 2.3 无穷小与无穷大...........................17 r 2.4 连续与导数..............................19 r 2.5 偏导数...................................... 24 r 2.6 方向导数................................... 27 r 2.7 梯度......................................... 29 r 2.8 综合实例—梯度下降法求函数的小值.......................................31 r 2.9 高手点拨................................... 35 r 2.10 ...................................... 38 r 第 3 章 微积分..............................39 r 3.1 微积分的基本思想 ....................... 40 r 3.2 微积分的解释..............................41 r 3.3 定积分...................................... 42r 3.4 定积分的质............................. 44 r 3.5 牛顿—莱布尼茨公式.................... 45 r 3.6 综合实例—Python 中常用的定积分求解方法................................... 49 r 3.7 高手点拨....................................51 r 3.8 ........................................ 52 r 第 4 章 泰勒公式与拉格朗日乘子法..............................53 r 4.1 泰勒公式出发点.......................... 54 r 4.2 一点一世界................................ 54 r 4.3 阶数和阶乘的作用....................... 59 r 4.4 麦克劳林展开式的应用..................61 r 4.5 拉格朗日乘子法.......................... 63 r 4.6 求解拉格朗日乘子法.................... 64 r 4.7 综合实例—编程模拟实现 sinx 的n 阶泰勒多项式并验证结果.................. 67 r 4.8 高手点拨 ................................... 68 r 4.9 ......................................... 68r 第2 篇 r 核心篇............................................................... 69 r 第 5 章 将研究对象形式化—线代数基础 ..........................70 r 5.1 向量..........................................71 r 5.2 矩阵......................................... 73 r 5.3 矩阵和向量的创建....................... 77 r 5.4 特殊的矩阵................................ 85 r 5.5 矩阵基本操作..............................91 r 5.6 转置矩阵和逆矩阵....................... 96 r 5.7 行列式..................................... 101 r 5.8 矩阵的秩..................................104 r 5.9 内积与正交...............................108 r 5.10 综合实例—线代数在实际问题中的应用 ....................................... 114 r 5.11 高手点拨 ................................ 121 r 5.12 .....................................126 r 第 6 章 从数据中提取重要信息—特征值与矩阵分解..........127 r 6.1 特征值与特征向量 .....................128 r 6.2 特征空间..................................133 r 6.3 特征值分解...............................133r 6.4 SVD 解决的问题.......................135 r 6.5 奇异值分解(SVD)..................136 r 6.6 综合实例 1—利用 SVD 对图行压缩 .......................................140 r 6.7 综合实例 2—利用 S商品 .......................................143 r 6.8 高手点拨..................................150 r 6.9 .......................................154 r 第 7 章 描述统计规律 1—概率论基础................................155 r 7.1 事件及其概率 ......................156 r 7.2 条件概率.................................. 161 r 7.3 独立.....................................162 r 7.4 变量..................................165 r 7.5 二维变量............................173 r 7.6 边缘分布..................................177 r 7.7 综合实例—概率的应用.............180 r 7.8 高手点拨.................................. 181 r 7.9 .......................................184 r 第 8 章 描述统计规律 2—变量与概率估计........................185 r 8.1 变量的数字特征 ..................186 r 8.2 大数定律和中心极限定理.............193 r 8.3 数理统计基本概念......................199 r 8.4 大似然估计........................... 203 r 8.5 大后验估计........................... 206 r 8.6 综合实例 1—贝叶斯用户满意度预测 ...................................... 209 r 8.7 综合实例 2—大似然法求解模型参数 .......................................217 r 8.8 高手点拨 ................................ 222 r 8.9 ....................................... 224r 第 3 篇 r 提高篇............................................................. 225 r 第 9 章 变量的几种分布...... 226 r 9.1 正态分布 ................................ 227 r 9.2 二项分布................................. 240 r 9.3 泊松分布................................. 250r 9.4 均匀分布..................................261 r 9.5 卡方分布................................. 266 r 9.6 Beta 分布 .............................. 273 r 9.7 综合实例—估算棒球运动员的击中率 ...................................... 283 r 9.8 高手点拨 ................................ 285 r 9.9 ...................................... 286 r 第 10 章 数据的空间变换—核函数变换............................. 287 r 10.1 相关知识简介 ......................... 288 r 10.2 核函数的引入 ......................... 290 r 10.3 核函数实例............................ 290 r 10.4 常用核函数.............................291 r 10.5 核函数的选择......................... 294 r 10.6 SVM 原理 ............................ 295 r 10.7 非线 SVM 与核函数的引入.... 305 r 10.8 综合实例—利用 SVM 构建分类 r 问题......................................310 r 10.9 高手点拨................................315 r 10.10 ................................... 322 r 第 11 章 熵与激活函数 .............. 323 r 11.1 熵和信息熵............................ 324 r 11.2 激活函数 ............................... 328 r 11.3 综合案例—分类算法中信息熵的应用...................................... 339 r 11.4 高手点拨 ................................341 r 11.5 ..................................... 342r 第4 篇 r 应用篇............................................................. 333r 第 12 章 假设检验 ..................... 344 r 12.1 假设检验的基本概念................. 345 r 12.2 Z 检验 ...................................351 r 12.3 t 检验 ................................... 353 r 12.4 卡方检验............................... 358 r 12.5 假设检验中的两类错误 ..............361 r 12.6 综合实例 1—体检数据中的假设检验问题..................................... 363 r 12.7 综合实例 2—对求职是否有影响..................................... 369 r 12.8 高手点拨............................... 372 r 12.9 .................................... 374r 13 章 相关分析...................... 375 r 13.1 相关分析概述.......................... 376 r 13.2 皮尔森相关系数....................... 378 r 13.3 相关系数的计算与假设检验........ 379 r 13.4 斯皮尔曼等级相关.................... 385 r 13.5 肯德尔系数............................. 392 r 13.6 质量相关分析.......................... 396 r 13.7 品质相关分析.......................... 400 r 13.8 偏相关与复相关....................... 403 r 13.9 综合实例—相关系数计算........ 405 r 13.10 高手点拨.............................. 407 r 13.11 .................................... 408 r 第 14 章 回归分析......................409 r 14.1 回归分析概述...........................410 r 14.2 回归方程推导及应用..................412 r 14.3 回归直线拟合优度.....................416 r 14.4 线回归的模型检验..................417 r 14.5 利用回归直行估计和预测......419 r 14.6 多元与曲线回归问题..................421 r 14.7 Python 工....................... 426 r 14.8 综合实例—个人保费预测任务...................................... 432 r 14.9 高手点拨................................ 444 r 14.10 .................................... 446 r 第 15 章 方差分析......................449 r 15.1 方差分析概述.......................... 448 r 15.2 方差的比较............................. 450 r 15.3 方差分析.................................451 r 15.4 综合实例—连锁餐饮用户评级分析...................................... 460 r 15.5 高手点拨................................ 464 r 15.6 ..................................... 466 r 第 16 章 聚类分析......................469 r 16.1 聚类分析概述.......................... 468 r 16.2 层次聚类................................ 470 r 16.3 K-Means 聚类...................... 484 r 16.4 DBSCAN 聚类....................... 494 r 16.5 综合实例—聚类分析.............. 499 r 16.6 高手点拨.................................512 r 16.7 ......................................512 r 第 17 章 贝叶斯分析....................513 r 17.1 贝叶斯分析概述........................514 r 17.2 MCMC 概述.......................... 520r 17.3 MCMC 采样 ......................... 525 r 17.4 Gibbs 采样........................... 529 r 17.5 综合实例—利用 PyMC3 实现模拟样本分布......................... 532 r 17.6 高手点拨............................... 539 r 17.7 .................................... 540 |
|