{"type":"product","schema_version":"1.0","item_id":"100849884409","canonical_url":"https://tw.bid.yahoo.com/item/100849884409","title":"益大資訊~深度學習的數學地圖 - 用 Python 實作神經網路的數學模型 ISBN:9789863126263 F03","subtitle":null,"condition":"全新品","currency":"TWD","observed_at":"2026-09-13T15:21:40.099Z","current_price":458,"original_price":"580.00","stock_status":"in_stock","available_quantity":5,"sold_quantity":0,"seller":{"id":"Y1221244390","name":"益大資訊電腦圖書專賣店","positive_rate":null,"rating_count":null},"images":[{"url":"https://img.yec.tw/ob/image/c7662986-394b-4b07-a0ce-c292524c22f2.jpg","role":"main","alt":"商品主圖","width":null,"height":null}],"description":"益大資訊~深度學習的數學地圖 - 用 Python 實作神經網路的數學模型 ISBN:9789863126263 F0318 旗標出版社：旗標\n\n出版日期：2020年5月26日\n\nISBN:9789863126263\n\n書號：F0318\n\n定價：580元     售價：458元\n\n『數學 ╳ 深度學習 ╳ Python 三效合一』\n\n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。\n\n『打開機器學習的黑箱，才發現裏面全都是數學！』\n\n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。\n\n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。\n\n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。\n\n『真正循序漸進，不會一下跳太快』\n\n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。\n\n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。 \n本書特色: \n1. 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。\n2. 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。\n3. 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。\n\n[導入篇 機器學習快速指引]\n第 1 章 機器學習入門\n1.1 何謂機器學習\n1.1.1 何謂機器學習模型\n1.1.2 機器學習的訓練方法\n1.1.3 監督式學習的迴歸、分類模型\n1.1.4 訓練階段與預測階段\n1.1.5 損失函數與梯度下降法\n1.2 第一個機器學習模型：簡單線性迴歸模型\n1.3 本書討論的機器學習模型\n1.4 數學是深度學習的核心\n1.5 本書架構\n\n[理論篇 數學速學課程]\n第 2 章 微分、積分\n2.1 函數\n2.1.1 函數運作行為\n2.1.2 函數的圖形\n2.2 合成函數與反函數\n2.2.1 合成函數\n專欄 合成函數的表示法\n2.2.2 反函數\n2.3 微分與極限\n2.3.1 微分的定義\n2.3.2 函數值增量與微分的關係\n2.3.3 切線方程式\n專欄 切線方程式與訓練階段、預測階段的關係\n2.4 極大值與極小值\n2.5 多項式的微分\n2.5.1 x^n 的微分（n 是正整數）\n2.5.2 微分計算的線性關係與多項式的微分\n2.5.3 x^r 的微分（r 是實數）\n專欄 組合（Combination）與二項式定理\n2.6 兩個函數相乘的微分\n2.7 合成函數的微分\n2.7.1 用鏈鎖法則做合成函數微分\n2.7.2 反函數的微分\n2.8 兩個函數相除的微分\n2.9 積分\n專欄 積分符號的意思\n\n第 3 章 向量、矩陣\n3.1 向量入門\n3.1.1 何謂向量\n3.1.2 向量的標記法\n3.1.3 向量的分量\n3.1.4 往多維擴展\n3.1.5 分量的符號\n3.2 向量和、向量差、純量乘積\n3.2.1 向量和\n3.2.2 向量差\n3.2.3 向量與純量的乘積\n3.3 向量的長度（絕對值）與距離\n3.31 向量的長度（絕對值）\n3.3.2 Σ 可整合冗長的加法算式\n3.3.3 向量間的距離\n3.4 三角函數\n3.4.1 三角比 : 三角函數的基本定義\n3.4.2 單位圓上的座標\n3.4.3 三角函數...","shipping_methods":[{"name":"郵局掛號","fee":0,"currency":"TWD"},{"name":"7-ELEVEN取貨付款","fee":0,"currency":"TWD"},{"name":"萊爾富取貨付款","fee":0,"currency":"TWD"},{"name":"面交/自取/不寄送","fee":0,"currency":"TWD"}],"lowest_shipping_fee":null,"payment_methods":["ATM轉帳","萊爾富取貨付款","7-ELEVEN取貨付款"],"category_id":"2092073795","category_name":"程式語言","breadcrumb":[{"id":"3994318","name":"圖書/影音/文具","url":"/tw/%E5%9C%96%E6%9B%B8-%E5%BD%B1%E9%9F%B3-%E6%96%87%E5%85%B7-3994318-category.html"},{"id":"2092064185","name":"圖書與雜誌","url":"/tw/%E5%9C%96%E6%9B%B8%E8%88%87%E9%9B%9C%E8%AA%8C-2092064185-category.html"},{"id":"2092073792","name":"電腦/網路","url":"/tw/%E9%9B%BB%E8%85%A6-%E7%B6%B2%E8%B7%AF-2092073792-category.html"},{"id":"2092073795","name":"程式語言","url":"/tw/%E7%A8%8B%E5%BC%8F%E8%AA%9E%E8%A8%80-2092073795-category.html"}],"view_count":0,"watch_count":0}