*完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考,以到貨標的為正確資訊。 印行年月:202403*若逾兩年請先於私訊洽詢存貨情況,謝謝。 台灣(台北市)在地出版社,每筆交易均開具統一發票,祝您中獎最高1000萬元。 書名:數據科學的數學基礎 ISBN:9787560671147 出版社:西安電子科技大學 著編譯者:余曉? 頁數:111 所在地:中國大陸 *此為代購商品 書號:1647377 可大量預訂,請先連絡。 內容簡介 本書匯總了數據科學中經常使用的數學知識,包括矩陣基礎、微積分、概率論和優化等,以矩陣和向量形式統一了幾個內容的符號體系,系統全面地介紹了數據科學的數學基礎。全書共7章,內容包括線性代數、向量空間、內積空間、矩陣分解、向量微積分、概率與分佈和優化方法。本書兼顧數學表達的嚴謹性和知識描述的直觀性,減少了枯燥的證明過程,增加了易懂的幾何繪圖和運用示例,有利於快速理解數據科學中必要的數學知識。 本書適用於從事數據科學學術和應用研究,以及工程建設的教師、研究生和科技人員教學、自學或進修之用。目錄 第1章 線性代數1 1 矩陣及運算 1 1 1 矩陣的運算 1 1 2 行列式與跡 1 1 3 矩陣的逆 1 1 4 矩陣分塊 1 2 線性方程組 1 2 1 初等變換 1 2 2 線性方程組求解 習題1 第2章 向量空間 2 1 向量空間和向量子空間 2 1 1 向量空間 2 1 2 向量子空間 2 2 向量子空間的基 2 2 1 線性組合與線性獨立 2 2 2 基 2 3 線性映射 2 3 1 線性映射 2 3 2 變換矩陣 2 3 3 基變換 2 4 仿射映射 習題2 第3章 內積空間 3 1 范數 3 2 內積 3 2 1 內積的定義 3 2 2 正定矩陣 3 3 向量長度與距離測度 3 4 角度與正交性 3 5 正交投影 3 5 1 一維子空間投影(線上投影) 3 5 2 多維子空間投影 3 5 3 Gram-Schmidt正交化 3 5 4 仿射子空間投影 3 6 旋轉 3 6 1 R2空間中的旋轉 3 6 2 R3空間中的旋轉 3 6 3 高維空間中的旋轉 3 6 4 標準正交基下的旋轉 習題3 第4章 矩陣分解 4 1 特徵值和特徵向量 4 1 1 特徵多項式 4 1 2 與行列式和跡的關係 4 1 3 幾何意義 4 1 4 對稱矩陣的特徵值與特徵向量 4 2 Rayleigh商 4 3 Cholesky分解 4 4 QR分解 4 5 特徵值分解 4 5 1 概念與性質 4 5 2 幾何意義 4 6 奇異值分解 4 6 1 幾何意義 4 6 2 SVD的構造 習題4 第5章 向量微積分 5 1 實值函數梯度 5 1 1 導數與偏導 5 1 2 實值函數的梯度 5 1 3 多元函數的求導法則 5 2 向量值函數梯度 5 2 1 向量值函數梯度的定義 5 2 2 梯度的維數 5 2 3 複合函數的梯度 5 3 關於矩陣的梯度 5 3 1 實值函數的矩陣梯度 5 3 2 向量值函數的矩陣梯度 5 4 Hessian陣 5 5 多元泰勒級數 習題5 第6章 概率與分佈 6 1 頻率派與貝葉斯派 6 2 隨機向量 6 2 1 概率空間 6 2 2 隨機變數 6 2 3 隨機向量 6 3 數字特徵與獨立性 6 3 1 期望向量與協方差矩陣 6 3 2 隨機向量的組合 6 3 3 獨立性 6 4 高斯分佈 6 4 1 邊緣分佈 6 4 2 條件分佈 6 4 3 線性變換與線性組合 習題6 第7章 優化方法 7 1 梯度下降的幾種方法 7 1 1 梯度下降法 7 1 2 牛頓法 7 1 3 動量法 7 1 4 自適應梯度法 7 2 對偶問題及弱對偶性 7 3 凸優化問題的最優性 7 3 1 強對偶性 7 3 2 KKT條件 7 4 二次規劃 習題7 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於PChome商店街私訊告知ISBN或書號,我們即儘速上架。 |