機器學習的數學基礎：AI、深度學習打底必讀

出版社： 旗標科技股份有限公司
作者： 西內啟
譯者： 胡豐榮博士, 徐先正
規格： 17x23x2.4
裝訂： 平裝
頁數： 400
出版日： 20200131
ISBN 13 : 9789863126140
內容簡介： 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?？

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?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?

目錄：
作者簡介：