【簡介】 如果你主要關注統計分析、數據可視化、線性代數、初等微積分， 並希望較快上手，「R語言」會是較佳的選擇！ 本書獨特之處在於以直觀且實用的方式，清楚介紹人工智慧及機器學習領域中常用的管理數學工具。透過R語言的實作，讀者得以深入理解並實際應用於不同實務情境。 書中的實例不侷限於理論探討，更著重實際應用，貼近日常生活，喚起讀者對數學的共鳴與學習熱情。舉例而言，透過應用貝氏定理，探討運動員實際服用興奮劑的真相，以及判斷過濾垃圾郵件的情境。同時，透過極佳化方法的應用，協助航空公司訂定最適價格和最大利潤路線圖等案例，使得理論更具實用性。 除此之外，本書擴大管理數學的範疇：從管理數學傳統上僅處理統計、線性代數的刻板印象，將此核心概念延伸至線性轉換、特徵值與特徵向量等進階議題，並且更進一步涵蓋一般書籍較少觸及的「極佳化方法」，包括微分、極值、偏微分以及拉氏乘數等內容，於實用範例中為機器學習（Machine learning）的數學應用奠定基礎。 線性規劃的討論更是引領讀者回溯至二戰時期，線性規劃應用於確定空中力量和雷達（radar）的最佳使用，具有時代非凡之意義。同時探討在各種混和限制條件下，欲達目標極大、極小化，使用線性代數中構築人工基底手法，自標準的極大化問題做為起點，經二階段法、對偶問題法、對偶單形法，深入解說 R 軟體 lpSolveAPI 套件背後的數學脈絡或故事。 本書精彩內容 —— 線性代數｜線性函數｜線性方程組｜矩陣｜向量空間｜線性轉換｜ 極佳化方法｜拉氏函數｜機率與統計｜單利．複利｜線性規劃｜馬可夫鏈｜預測｜ 本書特色 ☑ 以 R 軟體的程式語言與過程，深入解說並印證數學定義、定理 ☑ 透過 R 軟體的印證，經驗的移轉，形塑跨電腦語言的整體處理思維 ☑ 促成 R 軟體成為數學符號以外的第二語言，加速數學學習效率 ☑ 將人工智慧及機器學習常用之數學思維，應用於資料分析及解決管理問題 【目錄】 CHAPTER 01 截彎取直：線性函數與線性方程組 1-1 直線的交點（Intersection of Straight Line） 1-2 最小平方法（The Method of Least Squares） CHAPTER 02 資料呈現的語言：矩陣 2-1 矩陣定義與基本運算 2-2 矩陣應用於密碼學（Cryptography） 2-3 矩陣應用於經濟學：Leontief模式 2-4 矩陣應用於最小平方法 CHAPTER 03 Google 搜尋是如何運作：向量空間與線性轉換 3-1 向量與向量空間 3-2 線性獨立與基底 3-3 線性轉換（Linear transformation） 3-4 特徵值與特徵向量（Eigenvalues and eigenvectors） CHAPTER 04 資源有限條件的極值問題：極佳化方法 4-1 微分及其應用 4-2 微分及全微分 4-3 函數的極值 4-4 拉氏乘數（Lagrange multiplier） 4-5 極佳化方法的應用 CHAPTER 05 COVID-19 陽性、偽陽性議題：機率與統計 5-1 敘述性統計 5-2 機率 5-3 隨機變數、常態分配及抽樣分配 CHAPTER 06 時間的價值：單利、複利的年金；分期償還及償債基金 6-1 單利、複利 6-2 單利、複利的進階應用 6-3 年金（Annuity） CHAPTER 07 最少的資源與滿足最佳效益：線性規劃 7-1 極大化問題（maximization problem） 7-2 極小化問題（minimization problem） CHAPTER 08 AI 中的隨機與穩態過程：馬可夫鏈 CHAPTER 09 AI 的前沿應用：預測 9-1 定性的預測方法 9-2 時間序列預測方法 9-3 關聯性預測 - 簡單迴歸模式 9-4 關聯性預測 - 複迴歸模式 9-5 判定係數與相關係數 9-6 顯著性檢定 9-7 預測準確性