深度學習的數學:用數學開啟深度學習的大門
內容簡介
【數學王道】01
掌握數學才能開啟深度學習的大門
注重理解才能走向數學應用之大道
許多人在求學時期接觸數學的時候總是意興闌珊,總覺得只要四則運算就能夠應付大部分的日常所需,什麼指數、對數、向量、三角函數,甚至微積分,常常是不求甚解而只求低空飛過。等到機器學習、深度學習等掘起,人們才突然了解到那些數學知識的確是有用的,它們才是這些領域入門的鑰匙。
不論您是曾經放棄過數學,還是想要重溫數學的知識,透過本書都可以讓您迅速重回數學的懷抱。書中擅用比喻的方式,務使讀者能夠從基礎原理開始理解,並佐以簡明扼要的範例加以解說,使讀者循序漸進地理解深度學習的諸多關鍵字,像是:權重、偏壓、啟動函數、梯度下降法、誤差反向傳播法、卷積神經網路......等。搭配清楚且直觀的插圖,就連高中生也看得懂!不管什麼樣的職業或年紀,只要拿起這本書,就能使數學成為您強而有力的武器。
除了理解之外,本書也重視實際動手作。您可以下載書中資源,親自用Excel檔來接觸深度學習的數學操作。輸入不同的數字並觀察其變化,相信會使讀者更能夠了解公式的涵義。
第1章 神經網路的概說
第2章 理解神經網路所需的數學基礎知識
第3章 神經網路的最佳化
第4章 神經網路和誤差反向傳播法
第5章 深度學習和卷積神經網路。
書中使用Excel進行理論驗證,幫助讀者直觀地體驗深度學習的原理。
目錄
	第 1 章 神經網路的概說
	1-1 神經網路和深度學習
	1-2 神經元行為的數學表示
	1-3 啟動函數:將神經元的行為一般化
	1-4 什麼是神經網路
	1-5 用惡魔來講解神經網路的結構
	1-6 將惡魔的行為翻譯成神經網路的語言
	1-7 網路自主學習的神經網路
	
	第 2 章 神經網路的數學基礎
	2-1 神經網路所需的函數
	2-2 有助於理解神經網路的數列和遞推關係式
	2-3 神經網路中經常用到的 Σ 符號
	2-4 有助於理解神經網路的向量基礎
	2-5 有助於理解神經網路的矩陣基礎
	2-6 神經網路的微分基礎
	2-7 神經網路的偏微分基礎
	2-8 誤差反向傳播法必備的連鎖律
	2-9 梯度下降法的基礎:多變數函數的近似公式
	2-10 梯度下降法的涵義與公式
	2-11 用 Excel 體驗梯度下降法
	2-12 最優化問題和迴歸分析
	
	第 3 章 神經網路的最佳化
	3-1 神經網路的參數和變數
	3-2 神經網路的變數的關係式
	3-3 學習資料和正解
	3-4 神經網路的成本函數
	3-5 用 Excel 體驗神經網路
	
	第 4 章 神經網路和誤差反向傳播法
	4-1 梯度下降法的回顧
	4-2 神經單元誤差 δ
	4-3 神經網路和誤差反向傳播法
	4-4 用 Excel 體驗神經網路的誤差反向傳播法
	
	第 5 章 深度學習和卷積神經網路
	5-1 用小惡魔來講解卷積神經網路的結構
	5-2 將小惡魔的行為翻譯成卷積神經網路的語言
	5-3 卷積神經網路的變數關係式
	5-4 用 Excel 體驗卷積神經網路
	5-5 卷積神經網路和誤差反向傳播法
	5-6 用 Excel 體驗卷積神經網路的誤差反向傳播法
	
	附錄
	A 訓練資料(1)
	B 訓練資料(2)
	C 用數學式表示模式的相似度
配送方式
- 
                                    台灣
- 國內宅配:本島、離島
 - 
                                                到店取貨:
不限金額免運費
                                                        
                                                        
                                                 
 - 
                                    海外
- 國際快遞:全球
 - 
                                                港澳店取:
                                                    
                                                     
 
訂購/退換貨須知
退換貨須知:
**提醒您,鑑賞期不等於試用期,退回商品須為全新狀態**
- 
								依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」,以下商品購買後,除商品本身有瑕疵外,將不提供7天的猶豫期:
								
- 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮食品)
 - 依消費者要求所為之客製化給付。(客製化商品)
 - 報紙、期刊或雜誌。(含MOOK、外文雜誌)
 - 經消費者拆封之影音商品或電腦軟體。
 - 非以有形媒介提供之數位內容或一經提供即為完成之線上服務,經消費者事先同意始提供。(如:電子書、電子雜誌、下載版軟體、虛擬商品…等)
 - 已拆封之個人衛生用品。(如:內衣褲、刮鬍刀、除毛刀…等)
 
 - 若非上列種類商品,均享有到貨7天的猶豫期(含例假日)。
 - 辦理退換貨時,商品(組合商品恕無法接受單獨退貨)必須是您收到商品時的原始狀態(包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等),請勿直接使用原廠包裝寄送,或於原廠包裝上黏貼紙張或書寫文字。
 - 退回商品若無法回復原狀,將請您負擔回復原狀所需費用,嚴重時將影響您的退貨權益。
 
    
        
                  
                
                  
                  
                  
                  
                  
                  
                  
                  
                  
                  
                  
                  
                  
                  
                  
		


商品評價