4收藏
18二手徵求有驚喜
定價：NT$ 580
優惠價：95 折，NT$ 551
運送方式：超商取貨、宅配取貨
銷售地區：全球
訂購後，立即為您進貨
『數學 ╳ 深度學習 ╳ Python 三效合一』
深度學習用一句話就可以講完：『用訓練的方式找出一個數學函數，將輸入的資料映射到正確的答案』。重點就在於你如何找出那個對的數學函數！本書將深度學習的數學模型與運算式推導出來之後，還能實際執行 Python 程式幫助瞭解整個運算的過程。
『打開機器學習的黑箱，才發現裏面全都是數學！』
我們常在機器學習 / 深度學習的文章或書中看到線性迴歸、二元分類、多類別分類、和深度學習等名詞，好像要學很多東西！當然，對不懂數學的人確實如此。不過，一旦您理解深度學習底層的數學原理，就會發現原來架構稍微變一下，函數換一下，其實都是系出同門，一通百通啊。
要具備這種能力，你必須會微積分、向量/矩陣運算、多變數函數偏微分、指數/對數函數、以及機率/統計。這些在學校都要花很長的時間學習，然而本書考量到您並非想成為數學家或統計學家，因此從中摘取對深度學習最重要的部分濃縮在前半部，幫助您用最短的時間快速掌握數學能力。
本書是由施威銘研究室監修，適時加上「編註」補充內容幫助理解。如果您行有餘力，還可以繼續閱讀《機器學習的數學基礎：AI、深度學習打底必讀》一書，裏面有更詳細的數學公式推導。
『真正循序漸進，不會一下跳太快』
本書的一大特色就是每一步只增加一點差異，不會跳得太快。從線性迴歸模型開始，加入 Sigmoid 激活函數 (啟動函數) 就變成二元分類模型，然後將 Sigmoid 換成 Softmax 函數就擴展到多類別分類模型。然後在深度學習，先從一層隱藏層開始推導與實作，並因應需要調整學習率、改用 ReLU 函數等方法改善準確率。並進而擴展到兩層隱藏層，讓模型更加準確。小編真心認為，這樣的編排方式，讓讀者從既有的基礎逐步墊高實力，相當有利於學習，等您跟著本書走過一遍，自然就能心領神會。
本書隨附『數學快查學習地圖』彩色拉頁，將書中用到的各項數學基礎之間的關係整理成表，幫助您用一張圖看懂本書架構，甚至可裁剪下來隨時參考。作者在 Github 提供 Jupyter Notebook 格式的範例程式，另外您也可以從旗標官網下載 Python 範例程式。
本書特色:
1. 用 Python 實作迴歸模型、二元分類、多類別分類、一層隱藏層、二層隱藏層的數學模型。
2. 本書由施威銘研究室監修，適時加上「編註」補充內容幫助理解。
3. 隨書附『數學快查學習地圖』彩色拉頁。內文採用套色，更利於圖表呈現。
作者簡介：
Masanori Akaishi
1985 年畢業於東京大學工學院數學工程系，並於 1987 年於東京大學取得電腦工程碩士之後加入日本 IBM 公司。1993 年調至 SE 部門負責開放系統的基礎設施設計。2013 年至 Smart City 事業部，並於 2016 年再到 Watson 事業單位直到現在。自加入 IBM 二十餘年來，經過 IT 和 AI 各個領域的歷練，從 IT 架構設計、資料庫 SQL 調校、應用開發、程式設計、Watson、以及機器學習等都相當在行。除本書之外，他也著有《實用 Python 自然語言處理入門》、《機器學習與深度學習從 Watson Studio開始》。
退換貨說明：
會員均享有10天的商品猶豫期（含例假日）。若您欲辦理退換貨，請於取得該商品10日內寄回。
辦理退換貨時，請保持商品全新狀態與完整包裝（商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等）一併寄回。若退回商品無法回復原狀者，可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。最多人成交
平均成交價5折288元
最近成交價(折扣)
| 二手價 | 數量 |
| 4折 | 1 |
| 5折 | 0 |
| 7折 | 4 |
| 徵求價 | 數量 |
| 3折 | 4 |
| 4折 | 1 |
| 5折 | 5 |
| 6折 | 2 |
| 7折 | 2 |
| 7折以上 | 1 |
| 8折以上 | 2 |
影片僅供參考，實物可能因再版或再刷而有差異
4收藏
18二手徵求有驚喜
優惠價： 95 折， NT$ 551 NT$ 580
運送方式：超商取貨、宅配取貨
銷售地區：全球
訂購後，立即為您進貨
『數學 ╳ 深度學習 ╳ Python 三效合一』
深度學習用一句話就可以講完：『用訓練的方式找出一個數學函數，將輸入的資料映射到正確的答案』。重點就在於你如何找出那個對的數學函數！本書將深度學習的數學模型與運算式推導出來之後，還能實際執行 Python 程式幫助瞭解整個運算的過程。
『打開機器學習的黑箱，才發現裏面全都是數學！』
我們常在機器學習 / 深度學習的文章或書中看到線性迴歸、二元分類、多類別分類、和深度學習等名詞，好像要學很多東西！當然，對不懂數學的人確實如此。不過，一旦您理解深度學習底層的數學原理，就會發現原來架構稍微變一下，函數換一下，其實都是系出同門，一通百通啊。
要具備這種能力，你必須會微積分、向量/矩陣運算、多變數函數偏微分、指數/對數函數、以及機率/統計。這些在學校都要花很長的時間學習，然而本書考量到您並非想成為數學家或統計學家，因此從中摘取對深度學習最重要的部分濃縮在前半部，幫助您用最短的時間快速掌握數學能力。
本書是由施威銘研究室監修，適時加上「編註」補充內容幫助理解。如果您行有餘力，還可以繼續閱讀《機器學習的數學基礎：AI、深度學習打底必讀》一書，裏面有更詳細的數學公式推導。
『真正循序漸進，不會一下跳太快』
本書的一大特色就是每一步只增加一點差異，不會跳得太快。從線性迴歸模型開始，加入 Sigmoid 激活函數 (啟動函數) 就變成二元分類模型，然後將 Sigmoid 換成 Softmax 函數就擴展到多類別分類模型。然後在深度學習，先從一層隱藏層開始推導與實作，並因應需要調整學習率、改用 ReLU 函數等方法改善準確率。並進而擴展到兩層隱藏層，讓模型更加準確。小編真心認為，這樣的編排方式，讓讀者從既有的基礎逐步墊高實力，相當有利於學習，等您跟著本書走過一遍，自然就能心領神會。
本書隨附『數學快查學習地圖』彩色拉頁，將書中用到的各項數學基礎之間的關係整理成表，幫助您用一張圖看懂本書架構，甚至可裁剪下來隨時參考。作者在 Github 提供 Jupyter Notebook 格式的範例程式，另外您也可以從旗標官網下載 Python 範例程式。
本書特色:
1. 用 Python 實作迴歸模型、二元分類、多類別分類、一層隱藏層、二層隱藏層的數學模型。
2. 本書由施威銘研究室監修，適時加上「編註」補充內容幫助理解。
3. 隨書附『數學快查學習地圖』彩色拉頁。內文採用套色，更利於圖表呈現。
作者簡介：
Masanori Akaishi
1985 年畢業於東京大學工學院數學工程系，並於 1987 年於東京大學取得電腦工程碩士之後加入日本 IBM 公司。1993 年調至 SE 部門負責開放系統的基礎設施設計。2013 年至 Smart City 事業部，並於 2016 年再到 Watson 事業單位直到現在。自加入 IBM 二十餘年來，經過 IT 和 AI 各個領域的歷練，從 IT 架構設計、資料庫 SQL 調校、應用開發、程式設計、Watson、以及機器學習等都相當在行。除本書之外，他也著有《實用 Python 自然語言處理入門》、《機器學習與深度學習從 Watson Studio開始》。
退換貨說明：
會員均享有10天的商品猶豫期（含例假日）。若您欲辦理退換貨，請於取得該商品10日內寄回。
辦理退換貨時，請保持商品全新狀態與完整包裝（商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等）一併寄回。若退回商品無法回復原狀者，可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。| 二手價 | 數量 |
| 4折 | 1 |
| 5折 | 0 |
| 7折 | 4 |
| 徵求價 | 數量 |
| 3折 | 4 |
| 4折 | 1 |
| 5折 | 5 |
| 6折 | 2 |
| 7折 | 2 |
| 7折以上 | 1 |
| 8折以上 | 2 |
最多人成交
平均成交價5折288元
最近成交價(折扣)
請在手機上開啟Line應用程式，點選搜尋欄位旁的掃描圖示
即可掃描此ORcode
