自然科学总论
类型
可以朗读
语音朗读
74千字
字数
2025-08-01
发行日期
展开全部
主编推荐语
Python实战，零基础也能快速了解深度学习。
内容简介
本书将深度学习涉及的数学领域缩小到最低限度，以帮助读者在最短的时间内理解深度学习必需的数学知识。
全书分为导入篇、理论篇、实践篇和发展篇四部分内容。导入篇系统介绍了一些机器学习的入门知识；理论篇包括微积分、向量和矩阵、多元函数、指数函数、概率论等知识；实践篇介绍了线性回归模型、逻辑回归模型、深度学习模型；发展篇介绍了面向实践的深度学习。本书编程实践中的代码使用Python及Jupyter Notebook编写，简明易懂，便于上手实战。
目录
- 版权信息
- 版权声明
- 内容提要
- 导入篇
- 第1章 机器学习入门
- 1.1 人工智能（AI）与机器学习
- 1.2 机器学习
- 1.3 机器学习模型初步
- 1.4 本书中采用的机器学习模型
- 1.5 机器学习与深度学习中数学的必要性
- 1.6 本书的结构
- 理论篇
- 第2章 微分与积分
- 2.1 函数
- 2.2 复合函数与反函数
- 2.3 微分与极限
- 2.4 极大值与极小值
- 2.5 多项式的微分
- 2.6 乘积的微分
- 2.7 复合函数的微分
- 2.8 商的微分
- 2.9 积分
- 第3章 向量与矩阵
- 3.1 向量入门
- 3.2 向量的和、差与数乘
- 3.3 长度（模）与距离
- 3.4 三角函数
- 3.5 内积
- 3.6 余弦相似度
- 3.7 矩阵与矩阵运算
- 第4章 多元函数的微分
- 4.1 多元函数
- 4.2 偏微分
- 4.3 全微分
- 4.4 全微分与复合函数
- 4.5 梯度下降法
- 第5章 指数函数与对数函数
- 5.1 指数函数
- 5.2 对数函数
- 5.3 对数函数的微分
- 5.4 指数函数的微分
- 5.5 Sigmoid函数
- 5.6 Softmax函数
- 第6章 概率与统计
- 6.1 概率函数与概率分布
- 6.2 概率密度函数与概率分布函数
- 6.3 似然函数与最大似然估计
- 实践篇
- 第7章 线性回归模型
- 7.1 损失函数的偏微分与梯度下降法
- 7.2 例题的问题设定
- 7.3 训练数据的记法
- 7.4 梯度下降法的思路
- 7.5 预测模型的构造
- 7.6 损失函数的构造
- 7.7 计算损失函数的微分
- 7.8 梯度下降法的应用
- 7.9 编程实践
- 7.10 多元回归模型的扩展
- 第8章 逻辑回归模型（二分类）
- 8.1 例题的问题设定
- 8.2 回归模型与分类模型的区别
- 8.3 预测模型的分析
- 8.4 损失函数（交叉熵函数）
- 8.5 计算损失函数的微分
- 8.6 梯度下降法的应用
- 8.7 编程实践
- 第9章 逻辑回归模型（多分类）
- 9.1 例题的问题设定
- 9.2 模型的基础概念
- 9.3 权重矩阵
- 9.4 Softmax函数
- 9.5 损失函数
- 9.6 计算损失函数的微分
- 9.7 梯度下降法的应用
- 9.8 编程实践
- 第10章 深度学习模型
- 10.1 例题的问题设定
- 10.2 模型结构与预测函数
- 10.3 损失函数
- 10.4 计算损失函数的微分
- 10.5 误差逆传播
- 10.6 梯度下降法的应用
- 10.7 编程实践（1）
- 10.8 编程实践（2）
- 10.9 编程实践（3）
- 10.10 编程实践（4）
- 发展篇
- 第11章 面向实践的深度学习
- 11.1 使用框架
- 11.2 CNN
- 11.3 RNN与LSTM
- 11.4 数值微分
- 11.5 高级训练法
- 11.6 避免过拟合
- 11.7 学习的单位
- 11.8 矩阵的初始化
- 11.9 更上一层楼
- 附录 Jupyter Notebook的安装方法
- A.1 在Windows环境中安装Jupyter Notebook
- A.2 在macOS环境中安装Jupyter Notebook
展开全部
评分及书评
评分不足
1个评分
出版方
人民邮电出版社
人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。
