| 定價: | ||||
| 售價: | 517元 | |||
| 庫存: | 已售完 | |||
| LINE US! | 詢問這本書 團購優惠、書籍資訊 等 | |||
| 此書籍已售完，調書籍需2-5工作日。建議與有庫存書籍分開下單 | ||||
Coding Math: 寫MATLAB程式解數學
定價:
550
售價:
517
現省:
33
| 付款方式: | 超商取貨付款 |
|
|
| 信用卡 |
|
||
| 線上轉帳 |
|
||
| 物流方式: | 超商取貨 | ||
| 宅配 | |||
| 門市自取 |
詳細資訊
書名：Coding Math: 寫 MATLAB 程式解數學 作者：汪群超 出版社：東華 出版日期：2018/05/01 ISBN：9789574839186 內容簡介 本書特色 本書是以數學實驗室的概念出發，透過電腦程式設計，重建數學與應用科學的學理，譬如在統計、機率、線性代數等數學相關的學門。這一切都是拜電腦科技進步之賜，在軟、硬體方面都提供了足夠的實驗設備，幫助學習者動手做數學實驗。 目錄 第 1 章 MATLAB 初識 第 2 章 從繪製函數圖切入MATLAB 第 3 章 MATLAB 的數學運算與程式 第 4 章 迴圈技巧與應用 第 5 章 微分與積分 第 6 章 MATLAB 的副程式 第 7 章 單變量函數的根與演算初識 第 8 章 單變量函數的極值問題 第 9 章 多變量函數極值問題 第 10 章 非線性聯立方程式的解 第 11 章 機率分配的面貌 第 12 章 程式專題 第 13 章 著名 EM 演算法的程式寫作 第 14 章 MATLAB 圖形使用者介面設計
為您推薦
其他會員也一起購買
商品描述 本書編譯自 Essential MATLAB for Engineers and Scientists 第 7 版，是一本廣受歡迎的 MATLAB?教科書，主要特色包括： 適合新手入門的學習課程 本書第一章到第六章引導初學者學習 MATLAB 的基本操作，並導入向量運算觀念，學習以向量的思維角度來思考數值計算的問題。 學習進階 MATLAB 程式設計 第七、八、十章強調 MATLAB 的程式設計，以 MATLAB 的 M-File 檔案基礎貫穿整個 MATLAB 程式架構，並輔以大量實用例題。 善用 MATLAB 圖形與握把圖形 (Handle Graphics) 第九章廣泛介紹 MATLAB 支援的圖形繪圖技巧與方法，並深入探討握把圖形的實際操作。 強調數值模擬與工程應用 本書包含廣泛的數值模擬與機械、電子、信號工程應用例題。此外，本書另有專章介紹符號運算 (Symbolic) 工具箱，因有了符號運算工具箱，MATLAB 幾乎可以被視為 21 世紀的「數學手冊」；讀者如能熟練使用此工具箱，便可擴展工具箱的應用來執行更困難的問題，具有解決科學和工程問題的強大能力。 目錄大綱 PART 1 基 礎 Chapter 1 簡介 Chapter 2 MATLAB基本原理 Chapter 3 程式設計和演算法開發 Chapter 4 MATLAB函式和數據匯入 / 匯出實用程式 Chapter 5 邏輯向量 Chapter 6 矩陣和陣列 Chapter 7 函式M-File檔案 Chapter 8 迴圈 Chapter 9 MATLAB圖形 Chapter 10 向量 ── 陣列與其他資料結構 Chapter 11 錯誤和陷阱 PART 2 應 用 Chapter 12 動力系統 Chapter 13 模擬 Chapter 14 數值方法導論 Chapter 15 訊號處理 Chapter 16 SIMULINK(r) 工具箱 Chapter 17 Symbolics工具箱 附錄A MATLAB語法快速參考 附錄B 運算子與優先次序 附錄C 命令和功能快速參考 附錄D 部分習題答案 中英文索引
其他會員也一起購買
【中文翻譯書】 書名：物理 力學與熱學篇/電磁學與光學篇(第十一版) 原文書名：Principles of Physics 11/E 編譯：葉泳蘭/林志郎 作者：David Halliday、Robert Resnick、Jearl Walker 出版社：全華 ISBN：9789865035136 / 9786263280366 簡介 本書取材包羅萬象，以生活化的例子，引導讀者進入物理的領域。解題除了有詳細的解說，並帶領讀者了解主要關鍵點為何。這是在其他相關書籍中不常見的。希望讀者在閱讀本書時，先了解理論再多利用練習題增加理解的深度。本書適合做為大學、科大理工相關科系「物理」課程經典級教科書。
其他會員也一起購買
【中文翻譯書】 書名：物理 力學與熱學篇/電磁學與光學篇(第十一版) 原文書名：Principles of Physics 11/E 編譯：葉泳蘭/林志郎 作者：David Halliday、Robert Resnick、Jearl Walker 出版社：全華 ISBN：9789865035136 / 9786263280366 簡介 本書取材包羅萬象，以生活化的例子，引導讀者進入物理的領域。解題除了有詳細的解說，並帶領讀者了解主要關鍵點為何。這是在其他相關書籍中不常見的。希望讀者在閱讀本書時，先了解理論再多利用練習題增加理解的深度。本書適合做為大學、科大理工相關科系「物理」課程經典級教科書。
類似書籍推薦給您
We live in a world of numbers and mathematics, and so we need to work with numbers and some math in almost everything we do, to control our happiness and the direction of our lives. The purpose of Coming Home to Math is to make adults with little technical training more comfortable with math, in using it and enjoying it, and to allay their fears of math, enable their numerical thinking, and convince them that math is fun. A range of important math concepts are presented and explained in simple terms, mostly by using arithmetic, with frequent connections to the real world of personal financial matters, health, gambling, and popular culture. As such, Coming Home to Math is geared to making the general, non-specialist, adult public more comfortable with math, though not to formally train them for new careers or to teach those first learning math. It may also be helpful to liberal arts college students who need to tackle more technical subjects. The range of topics covered may also appeal to scholars who are more math savvy, though it may not challenge them. Sample Chapter(s) Preface Chapter 1: Introduction Contents: Preface Our World of Math and Numbers: Introduction We Use Numbers Here, There and Everywhere Numbers Are Some of My Favorite Things The First World of Math: The Eternal Truths of Math: Linking Numbers: Operations on Numbers Words and Numbers: Being Careful Writing Really Big and Really Small Numbers, and Those In-between Touching All Bases, At Times with Logs Numbers Need to be Exact, But It Ain't Necessarily So The Different Types of Numbers Have Not Evolved, But Our Understanding of Them Has Really, Really Big and Really, Really Small Numbers The Whole Truth of Whole Numbers The Second World of Math: The Math of Doing: The Math of the Digital World: Modular Arithmetic (or Using Number Leftovers) The Math of What Will Be: Progressions of Growth and Decay Untangling The Worlds of Probability and Statistics The Math of What Might Be: Probability — What Are the Odds? The Math of What Was: Statistics — The Good, The Bad, and The Evil The Math of Big Data The Third World of Math: The Math of Making Decisions and Winning: The Math of Optimization, Ranking, Voting, and Allocation The Math of Gaming The Math of Risk Closing Thoughts Bibliography Index Readership: The general, non-specialist, adult public, liberal arts students in colleges who want to transition to more technical subjects.
類似書籍推薦給您
【簡介】 This enthusiastic introduction to the fundamentals of information theory builds from classical Shannon theory through to modern applications in statistical learning. Includes over 210 student exercise
類似書籍推薦給您
In this age of technology where messages are transmitted in sequences of 0's and 1's through space, errors can occur due to noisy channels. Thus, self-correcting code is vital to eradicate these errors when the number of errors is small. It is widely used in industry for a variety of applications including e-mail, telephone, and remote sensing (for example, photographs of Mars). An expert in algebra and algebraic geometry, Tzuong-Tsieng Moh covers many essential aspects of algebraic coding theory in this book, such as elementary algebraic coding theories, the mathematical theory of vector spaces and linear algebras behind them, various rings and associated coding theories, a fast decoding method, useful parts of algebraic geometry and geometric coding theories. This book is accessible to advanced undergraduate students, graduate students, coding theorists and algebraic geometers. Request Inspection Copy Sample Chapter(s) Introduction Chapter 1: Linear Codes Contents: Vector Space Codes: Linear Codes Ring Codes: Rings Ring Codes Algebraic Geometry Algebraic Geometry Algebraic Geometric Codes: Algebraic Curve Goppa Codes Decoding the Geometric Goppa Codes Appendices: Convolution Codes Sphere-Packing Problem and Weight Enumerators Other Important Coding and Decoding Methods Berlekamp's Decoding Algorithm Readership: Advanced college students, graduate students, working coding theorists, working algebraic geometers.
類似書籍推薦給您
內容簡介 會coding並不代表會建模！ 你是否曾經有以下問題： 「如何評估模型的適用性？」 「有人說模型參數越多越不好？」 「各種模型的差異以及特色是什麼？」 「有人說模型好壞不能只看預測精確率？」 「要選哪一種模型比較適合手上的資料？」 這本書，將帶你釐清以上所有疑惑，以及你心中更多問不出來的問題！ 市面上有很多優質的書籍，可以將建模工具（如：TensorFlow、Keras、PyTorch 等框架）鉅細靡遺地操作一遍；或是涵蓋許多數學、統計學的學理面，完美展現漂亮的數學式。但仍舊會讓人有隔靴搔癢、似懂非懂的感覺。再加上資料科學應用在不同領域，如工程學、物理學、化學、生物學、生態學、哲學、或是經濟學，產生大量令人混淆的知識、名詞。因此，過去那種單點突破式的學習歷程，已經不足以應付當代資料科學家的養成。 想要在這混亂的資料科學領域裡脫穎而出，關鍵就在於你需要有見樹也見林的通盤觀念：以「模型」為中心，將相關的數學、統計知識環繞在這個中心，做一個通盤的介紹；接著，以俯視的角度，來抓住各領域常用模型之間的關聯，並說明許多技術本質上是殊途同歸；最後，我們即可探討現實中不同問題的分析方式，以及實務上建模需要注意的事情。 本書將會講解與模型相關的機率、統計、微分方程、自我迴歸、狀態空間、馬可夫鏈等觀念；並且比較隨機森林、支援向量機(SVM)、神經網路、深度學習、自編碼器、強化式學習、多體系統等各種不同模型的優劣；最後討論貝氏推論、最大後驗估計、費雪三原則、訊息準則、概似比檢驗等如何應用在實際建模的過程。 中文版提供免費Python程式下載，讓讀者可以實際演練書中的範例，加深對知識的理解。 本書用宏觀的角度，來解述資料分析數學模型，讓你徹底了解資料分析過程中，不可或缺的「數學模型」。有了這本書，你將會掌握當代數學模型的基本精神，讓你在未來的研究或工作上，可以更順利。 本書特色 ● 改變傳統一直寫程式的教學，帶你回到資料科學最根本的觀念 ● 俯視資料科學的各種技術，掌握模型的特性跟陷阱 ● 底線標示重要觀念，粗體標示重要名詞，註解提供讀者延伸資訊 ● 滿滿全彩圖說，每章結束附有重點整理，中文版附贈範例程式 目錄 序言 第一篇 何謂數學模型 第1章 資料分析與數學模型 1.1 資料分析 1.2 數學模型的作用 第2章 數學模型的組成元素與類型 2.1 變數、數學結構、參數 2.2 數學模型與自然科學的基礎理論 2.3 理解導向建模與應用導向建模 2.4 理解導向建模 2.5 應用導向建模 2.6 數學模型的限制與適用範圍 第二篇 基礎數學模型 第3章 由簡單方程式建構而成之模型 3.1 線性模型（Linear Model） 3.2 實驗公式與曲線擬合 3.3 最佳化問題（Optimization Problem） 第4章 由基本微分方程式建構而成之模型 4.1 可求解的微分方程式模型 4.2 非線性微分方程式模型 4.3 可求解之模型和不可求解之模型 4.4 控制理論（Control Theory） 第5章 機率模型 5.1 隨機過程（Stochastic Process） 5.2 馬可夫過程（Markov Process） 5.3 排隊理論 第6章 統計模型 6.1 常態分佈 6.2 統計檢定 6.3 迴歸分析 第三篇 進階數學模型 第7章 時間序列模型 7.1 時間序列資料之結構 7.2 使用可觀測變數之模型 7.3 狀態空間模型（State Space Model） 7.4 他種類的時間序列分析法 第8章 機器學習（Machine Learning）模型 8.1 機器學習使用的模型與處理的問題特徵 8.2 分類（Classifification）、迴歸問題（Regression） 8.3 分群 8.4 降維（Dimensionality Reduction） 8.5 深度學習（Deep Learning） 第9章 強化式學習（Reinforcement Learning）模型 9.1 以強化式學習做為行為模型 92 以強化式學習進行機器學習 第10章 多體系統模型(Many-body System) 模型 10.1 從微觀到宏觀 10.2 各種集體現象模型 10.3 交互作用的網路 第四篇 建立數學模型 第11章 決定模型的因素 11.1 數學模型的性質 11.2 理解導向建模的要點 11.3 應用導向建模的要點 第12章 設計模型 12.1 變數的選擇 12.2 資料取得與實驗設計 12.3 數學結構與參數的選擇 12.4 避免建模錯誤 第13章 參數估計 13.1 根據目的進行參數估計 13.2 參數估計中目標函數的最小化 13.3 貝氏推論（Bayesian Inference）與貝氏建模（Bayesian Modeling） 第14章 評估模型 14.1 什麼是「好的模型」？ 14.2 分類準確率之指標 14.3 訊息準則（Information Criterion） 14.4 與虛無模型（Null Model）的比較與概似比檢驗（Likelihood Ratio Test） 14.5 交叉驗證（Cross-Validation） 後記
華通書坊
