---
type: product
schema_version: "1.0"
canonical_url: "https://tw.bid.yahoo.com/item/100850050696"
item_id: "100850050696"
title: "【大享】 深度學習的數學地圖:用Python實作神經網路的數學模型 9789863126263 旗標 F0318 580"
condition: "全新品"
currency: "TWD"
current_price: 480
stock_status: "in_stock"
seller:
  id: "Y1239803676"
  name: "電腦圖書專業門市"
images:
  - url: "https://img.yec.tw/ob/image/48969e03-5814-4018-9abe-8a0b8b10b33d.jpg"
    role: "main"
    alt: "商品主圖"
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"
observed_at: "2026-08-24T01:14:37.380Z"
---

# 【大享】 深度學習的數學地圖:用Python實作神經網路的數學模型 9789863126263 旗標 F0318 580

## 價格

目前價格：NT$480

原價：NT$580.00

庫存狀態：有庫存

可售數量：5

資料時間：2026-08-24T01:14:37.380Z

## 分類

分類名稱：程式語言

分類路徑：

圖書/影音/文具 > 圖書與雜誌 > 電腦/網路 > 程式語言

## 商品狀態

商品狀態：全新品

## 賣家資訊

賣場名稱：電腦圖書專業門市

賣家 ID：Y1239803676

## 商品描述

深度學習的數學地圖 - 用 Python 實作神經網路的數學模型 (附數學快查學習地圖)

書籍類別：電腦資訊/程式設計/APP開發/人工智慧/機器學習

作者：IBM AI 工程師/東京大學數學工程專業 Masanori Akaishi 著, 章奇煒、王心薇 合譯, 施威銘研究室監修

書號：F0318

ISBN：9789863126263

建議售價：580 元

色彩：局彩

內容簡介

『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 下載 Python 範例程式。

目錄

[導入篇 機器學習快速指引]
第 1 章 機器學習入門
1.1 何謂機器學習
1.1.1 何謂機器學習模型
1.1.2 機器學習的訓練方法
1.1.3 監督式學習的迴歸、分類模型
1.1.4 訓練階段與預測階段
1.1.5 損失函數與梯度下降法
1.2 第一個機器學習模型：簡單線性迴歸模型
1.3 本書討論的機器學習模型
1.4 數學是深度學習的核心
1.5 本書架構

[理論篇 數學速學課程]
第 2 章 微分、積分
2.1 函數
2.1.1 函數運作行為
2.1.2 函數的圖形
2.2 合成函數與反函數
2.2.1 合成函數
 專欄 合成函數的表示法
2.2.2 反函數
2.3 微分與極限
2.3.1 微分的定義
2.3.2 函數值增量與微分的關係
2.3.3 切線方程式
 專欄 切線方程式與訓練階段、預測階段的關係
2.4 極大值與極小值
2.5 多項式的微分
2.5.1 x^n 的微分（n 是正整數）
2.5.2 微分計算的線性關係與多項式的微分
2.5.3 x^r 的微分（r 是實數）
 專欄 組合（Combination）與二項式定理
2.6 兩個函數相乘的微分
2.7 合成函數的微分
2.7.1 用鏈鎖法則做合成函數微分
2.7.2 反函數的微分
2.8 兩個函數相除的微分
2.9 積分
 專欄 積分符號的意思

 第 3 章 向量、矩陣
3.1 向量入門
3.1.1 何謂向量
3.1.2 向量的標記法
3.1.3 向量的分量
3.1.4 往多維擴展
3.1.5 分量的符號
3.2 向量和、向量差、純量乘積
3.2.1 向量和
3.2.2 向量差
3.2.3 向量與純量的乘積
3.3 向量的長度（絕對值）與距離
3.3.1 向量的長度（絕對值）
3.3.2 Σ 可整合冗長的加法算式
3.3.3 向量間的距離
3.4 三角函數
3.4.1 三角比 : 三角函數的基本定義
3.4.2 單位圓上的座標
3.4.3 三角函數的圖形
3.4.4 用三角函數表示直角三角形的邊長
3.5 向量內積
3.5.1 向量內積的幾何定義...

## 圖片

| 類型 | 圖片 URL | 說明 |
|---|---|---|
| 主圖 | https://img.yec.tw/ob/image/48969e03-5814-4018-9abe-8a0b8b10b33d.jpg | 商品主圖 |

## 運送與付款

運送方式：

| 方式 | 費用 |
|---|---:|
| 郵局掛號 | 免運費 |
| 7-ELEVEN取貨付款 | 免運費 |
| 萊爾富取貨付款 | 免運費 |

付款方式：

- ATM轉帳
- 萊爾富取貨付款
- 7-ELEVEN取貨付款

## 退換貨政策

依照消費者保護法規定，網購商品享有七天猶豫期（非試用期），特殊商品除外。

## Canonical URL

https://tw.bid.yahoo.com/item/100850050696