圖解機率學 (1版)

類似書籍推薦給您

【簡介】 本書特色 •理論架構言簡意賅，要言不繁。 •例（習）題具啟發性，理論計算題並重。 •多數問題附有提示，所有習題均附詳解。 本書適用範圍： •大學機率學教材。 •大學修習機率學或數理統計者之補充教材。 •升研究所、國家考試機率統計科參考用書。 •研究所「隨機過程」之先修教材。 【目錄】 第1章　基礎機率 1.1 集合概論 1.2 機率之定義及基本定理 1.3 計數原理 1.4 條件機率、機率獨立與貝氏定理 第2章　一元隨機變數 2.1 隨機變數 2.2 隨機變數之函數（一） 2.3 隨機變數之期望值與變異數 2.4 特徵函數　94 第3章　多變量隨機變數 3.1 多元隨機變數 3.2 多變量隨機變數之期望值 3.3 條件期望值 3.4 相關係數 3.5 隨機變數之函數（二） 第4章　重要機率分配 4.1 超幾何分配 4.2 Bernoulli試行及其有關之機率分配 4.3 卜瓦松分配、指數分配與Gamma分配 4.4 一致分配 4.5 常態分配 4.6 二元常態分配 第5章　極限定理 5.1 機率收歛與分配函數收斂 5.2 與 S2 之樣本分配 5.3 中央極限定理 附錄1　2, t 與 F 分配 附錄2　統計計算用表 解　答

圖解機器學習與資料科學的數學基礎｜使用Python (1版)

類似書籍推薦給您

內容簡介 　　搞懂不會背叛你的數學，進一步提升你的程式功力！ 　　本書透過圖表解說人工智慧與資料科學領域的相關數學知識，並告訴你如何將其轉換為程式碼，除了可以吸收關於數學的知識之外，也能立即運用在工作上。 　　透過機率統計的學習，了解如何改善業務流程 　　本書將AI與資料科學的相關數學知識分成四大篇，第一篇的「機率統計、機器學習篇」介紹的是了解工作情況，篩選出必要資訊的流程，以及位於這個流程背後的機率統計、機器學習的數學知識。能掌握工作情況就能知道該如何改善相關業務，也能進一步觀察未來的變化。 　　了解最佳化的步驟，學會職場所需的最佳化流程 　　第二篇「數理最佳化篇」介紹最佳化業務的流程，以及解決業務問題的方法。要最佳化業務，就必須先了解哪些部分需要改善效率，換言之，最佳化的重點在於找出問題。了解最佳化的步驟與問題的種類，就能學會工作職場所需的最佳化流程。 　　透過預測病毒的傳播模式，了解相關的數學理論 　　第三篇「數值模擬篇」則以傳染染病的傳播為主題，學習預測這類傳播模式的微分。只要了解微分，就能了解病毒的傳播模式，也能利用動畫說明傳播模式與製作出臨場感十足的簡報。最後的「深度學習篇」則會先說明近年來發展神速的深度學習技術原理，再說明這些原因都於哪些技術或職場應用。 來自讀者的讚譽 　　「這是我買過最實用的書」 　　「這本書可以讓你知道如何將數學應用在現實世界的工作之中」 　　「這本書拯救了文科出身，在工作上又不得不面對數學的我」 目錄 序章｜設定 Python開發環境 第一篇機率統計、機器學習篇 第1章｜取得資料之後的第一件事 第2章｜試著利用機器學習進行分析 第3章｜推測必需的資料筆數 第二篇 數理最佳化篇 第4章｜透過最佳路徑規劃問題，了解解決最佳化問題的方法 第5章｜透過排班問題了解最佳化問題的全貌 第三篇 數値模擬篇 第6章｜試著預測傳染病的影響 第7章｜試著透過動畫模擬人類的行為 第四篇 深度學習篇 第8章｜了解深度學習辨識影像的方法 第9章｜了解深度學習處理時間序列資料的機制 第10章｜了解以深度學習進行的圖片處理與語言處理 Appendix 程式設計與數學之間的橋梁 Appendix 1｜利用公式了解常態分佈 Appendix 2｜微分方程式差分法造成的誤差與泰勒展開式 Appendix 3｜非線性最佳化的機械學習／深度學習的迴歸／分類