三民網路書店 / 搜尋結果

《機器學習: 全彩圖解微課Python編程》是「鳶尾花數學大系：從加減乘除到機器學習」叢書的最後一冊，前六本解決了編程、視覺化、數學、 數據方面的諸多問題，而《機器學習: 全彩圖解微課程Python編程》將開啟機器學習經典演算法的學習旅程。《機器學習: 全彩圖解微課程Python編程》設定了24 個主題，對應四大類機器學習經典演算法（迴歸、分類、降維、聚類），涵蓋演算法包括： 迴歸分析、多元線性迴歸、非線性迴歸、正規化迴歸、貝葉斯迴歸、高斯過程、k 最近鄰分類、樸素貝葉斯分類、高斯判別分析、支援向量機、核子技巧、決策樹、主成分分析、截斷奇異值分解、主成分分析進階、 主成分分析與迴歸、核主成分分析、典型相關分析、 k 均值聚類、高斯混合模型、最大期望演算法、層次聚類、 密度聚類、譜聚類。《機器學習：全彩圖解微課程Python編程》選取演算法模型的目標是涵蓋Scikit-Learn 函式庫的常用機器學習演算法函數，讓讀者充分理解演算法理論， 又能連結實際應用。因此，在學習《機器學習: 全彩圖解微課程Python程式設計》時，特別希望呼叫Scikit-Learn 各種函數來解決問題之餘，更要理解演算法背後的數學工具。因此，《機器學習: 全彩圖解微課程Python編程》給出適度的數學推導以及擴展閱讀。《機器學習: 全彩圖解微課程Python編程》提供程式碼範例和影片講解，「鳶尾花書」強調在JupyterLab 自主探究學習才能提升程式設計技能。本書配套微課也主要以配套Jupyter Notebooks 為核心，希望讀者邊看視頻，邊動手練習。《機器學習: 全彩圖解微課程Python編程》讀者群包括所有試圖用機器學習解決問題的朋友，特別適用於機器學習入門、初級程式設計師轉型、 高級資料分析師、機器學習進階。

AI時代Math元年 - 用Python全精通程式設計本書旨在幫助零基礎的讀者學習Python程式設計。涵蓋了Anaconda和JupyterLab的安裝與使用，並深入介紹Python的基本語法、資料型態、常見運算、控制結構、函式以及物件導向程式設計，讓讀者能夠掌握Python的核心概念。在資料視覺化方面，本書探討了二維和三維視覺化技術，並使用Seaborn進行資料視覺化，幫助讀者將資料轉化為可視化的圖形。此外，書中詳細介紹了NumPy的使用，包括索引和切片、常見運算、陣列規整、線性代數以及愛因斯坦求和約定，這些都是進行資料分析的重要工具。Pandas部分則著重於快速視覺化、索引和切片、時間序列資料的處理及資料規整，讓讀者能夠有效管理和分析資料。在進階視覺化和運算方面，本書介紹了Plotly的統計視覺化、SymPy的符號運算、SciPy的數學運算及Statsmodels的統計模型，這些工具能夠幫助讀者進行更複雜的資料分析。在機器學習的部分，書中探討了Scikit-Learn的應用，包括資料預處理、回歸、降維、分類和聚類等技術，讓讀者了解如何利用機器學習解決實際問題。最後，本書還介紹了如何使用Streamlit來架設應用程式，特別是機器學習相關的Apps。整體而言，本書以實作為主，搭配Jupyter Notebook，引導讀者在動手練習中學習Python程式設計、資料分析和機器學習的基礎知識，並以圖形和口語化的方式解釋背後的數學思想。

有資料就有矩陣，有矩陣就有向量，有向量就有幾何，有幾何就有空間 從資料一路提升到張量的所有數學基礎 將數學視為思想、工具、語言、體系、基石、藝術的角度進行學習 分為向量、矩陣、向量空間、矩陣分解、微積分、空間幾何、資料 所有機器學習、深度學習最重要的基礎數學概念 不再亂猜，寫機器學習程式碼時，每行指令背後代表的數學基礎 學矩陣就是學AI，從此看到AI程式碼完全無負擔 AI熱潮來臨，每個人都很怕直接被機器取代，不管文科理科背景的人，每個人都想搭上AI快車飛速到達未來。然而你的第一關就是數學。數學是宇宙的共同語言，也是人類意志極緻的展現。數學從數字開始進入高維之後，向量、矩陣、張量將整個人類文明帶入新的境界，也將我們的世界從點線面體推向無法視覺化的高維空間，而針對空間的運算，更是所有科學的重要基礎。空間幾何這門完全和生活知識抽離的學科，看似是和向量打交道而已，但卻是整個世界運行的基礎，近年AI興起，機器學習及深度學習成為熱門行業，當你想要學習TensorFlow時，面對的第一個觀念就是張量(Tensor)。這些名詞讓你感到陌生又不是完全不認識時，就是重拾矩陣的時候了。本書利用最小的成本，幫你把這個又陌生又熟悉的老朋友重新交往。作者從最簡單的加法開始說明，一直到機器學習中的梯度、偏導數、積分、矩陣、線性代數，從小學到研究所所學的數學，一一在適當的章節出現，當你讀到某個章節時，會發現「啊！原來如此，這就是奇異值分解在機器學習的原理啊！」，有一種豁然開朗的感覺，相信這種驚喜在全書中會不斷出現。ChatGPT出來之後，AI已經光速啟動，有志加入這個行業，也只能快速跟上，而這本書，正是你進入的最佳助手，與其繼續逃避直到被淘汰，不如就花一點時間，把這本本來就不難的書看完，補上你個人AI志業的最重要一塊拼圖。 全書分為以下幾個部分：向量：從資料、矩陣、向量、幾何、空間開始談起，包括向量運算，範數等基本定理。接下來談到矩陣，把矩陣所有的性質(四則運算、表格、秩等)說明清楚，更有重要的內外積等。第三部分談的是向量，包括座標系、各種變換、維度、行列視，投影、正交、基等性質。第四部分談的是矩陣分解，實作了包括LU、Cholesky、QR，特徵/奇異值分解。第五部分就是談到空間的微積分，如多元函式、偏導、梯度、方向微分、泰勒展開等。也說明了拉格朗日乘子等。第六部分說明了空間幾何，

《數據有道 : 數據分析 圖論與網絡 微課 Python編程》是“鳶尾花數學大系—從加減乘除到機器學習”叢書的第三板塊 ( 實踐板塊 ) 中的一本關于數據 科學的分冊。“實踐”這個板塊，我們將會把學到的編程、可視化， 特別是數學工具應用到具體的數據科學、 機器學習算法中，并在實踐中加深對這些工具的理解。《數據有道 : 數據分析 圖論與網絡 微課 Python編程》可以歸納為 7 大板塊—數據說、數據處理、時間數據、圖論基礎、圖的分析、圖與矩陣、圖論實踐。 這 7 個板塊 ( 共 25 章內容 ) 都緊緊圍繞一個主題—數據！《數據有道 : 數據分析 圖論與網絡 微課 Python編程》以數據為名，以好奇心和疑問為驅動，主動使用“編程 可視化 數學”工具進行探索。《數據有道 : 數據分析 圖論與網絡 微課 Python編程》將 會回顧鳶尾花書前五本主要的工具，讓大家對很多概念從似懂非懂變成如數家珍；同時，我們還會掌握更 多工具，用來擴展大家的知識網絡。依照慣例，《數據有道 : 數據分析 圖論與網絡 微課 Python編程》提供代碼和視頻教學。《數據有道 : 數據分析 圖論與網絡 微課 Python編程》讀者群包括數據科學從業者、大數據從業者、高級數據分析師、機器學習開發者、計算機圖形學 研究者等。

✦✧✦ 圖解思維 + 零基礎 ✦✧✦▶▶▶ 打破數學間不同單元的壁壘，融會完整的知識體系！全書分為以下幾個部分：基礎：從加減乘除四則運算開始，並在第1和2章深入介紹向量和矩陣的基本運算，以及在不同章節穿插線性代數基礎知識。座標系：第5和6章介紹笛卡爾座標系，將幾何和代數相結合，強調代數式的視覺化和幾何體的參數化。解析幾何：第7、8、9章介紹解析幾何內容，重點在於距離度量和橢圓。強調使用等距線和其他視覺化工具，以及橢圓在多個領域的應用。函式：第10至14章圍繞函式展開。強調在學習函式時繪製函式線圖、使用視覺化工具觀察二元函式，以及不同函式的特性與應用。第14章解釋數列，強調累加、極限等是微積分的基礎。微積分：第15至19章介紹微積分和最佳化問題。導數、偏導數、微分和積分提供了研究函式性質的量化工具。強調使用幾何圖解理解這些概念，以及微積分在最佳化問題中的應用。機率統計：第20、21章為機率統計入門。強調代數部分與機率統計的關聯，介紹了二項樹和隨機過程，以及通過影像展示機率統計定義。線性代數：最後四章介紹線性代數。第22章視覺化向量和向量運算。第23、24、25章以「雞兔同籠三部曲」為核心，通過虛構故事展示了線性方程組、向量空間、投影、最小二乘線性回歸、馬可夫過程和特徵值分解等內容。【本書特點】✪ 將一生中從小學到研究所的數學總整理！✪ 機器學習基礎全部完整打好✪ 將數學視為思想、工具、語言、體系、基石、藝術的角度進行學習✪ 分為基礎、座標系、解析幾何、函式、微積分、機率統計、線性代數七大部分✪ 不再應付考試，重新愛上數學✪ 不再亂猜，寫機器學習程式碼時，每一行指令背後代表的數學基礎都清清楚楚✪ 學數學本身，也學數學歷史，介紹史上幾個最偉大的數學家※ 本書資源可至深智官網下載：deepwisdom.com.tw

數據科學和機器學習已經深度融合到我們生活的方方面面，而數學正是開啟未來大門的鑰匙。不是所有人生來都握有一副好牌，但是掌握“數學 編程 機器學習”的知識絕對是王牌。這一次，學習數學不再是為了考試、分數、升學，而是投資時間、自我實現、面向未來。為了讓大家學數學、用數學，甚至愛上數學，在創作時，作者盡量克服傳統數學教材的各種弊端，讓大家學習時有興趣、看得懂、有思考、更自信、用得著。《統計至簡：概率統計全彩圖解 微課 Python編程》是“鳶尾花數學大系—從加減乘除到機器學習”叢書中數學版塊—“數學三劍客”的第三冊，也是最後一本。“數學”板塊的第一本《數學要素》是各種數學工具的“大雜燴”，可謂數學基礎；《矩陣力量》專門講解機器學習中常用的線性代數工具；本冊《統計至簡》則介紹機器學習和數據分析中常用的概率統計工具。《統計至簡：概率統計全彩圖解 微課 Python編程》的核心是“多元統計”，離不開第二冊《矩陣力量》中介紹的線性代數工具。《統計至簡：概率統計全彩圖解 微課 Python編程》內容又可以歸納為 7 大板塊——統計、概率、高斯、隨機、頻率派、貝葉斯派、橢圓。《統計至簡：概率統計全彩圖解 微課 Python編程》在講解概率統計工具時，會穿插介紹其在數據科學和機器學習領域的應用場景，讓大家學以致用。《統計至簡：概率統計全彩圖解 微課 Python編程》讀者群包括所有在工作中應用概率統計的朋友，尤其適用於初級程序員進階、大學本科數學開竅、高級數據分析師、機器學習開發者。

全書分為以下幾個部分：統計學：機率、高斯、隨機、頻率派開始談起，包括統計描述、古典機率模型、離散隨機變數、離散分佈、連續隨機變數及連續分佈一直到高斯部分，包括了一元、二元、多元、條件高斯分佈，中間也提到最重要的斜方差矩陣。再來的部分說明了隨機，包括了隨機變數，蒙地卡羅、頻率派統計、機率密度。接下來說明了貝氏定理部分，包括貝氏分類、進階貝氏分類、貝氏推斷入門及進階以及馬可夫鏈蒙地卡羅。最後一部分則以橢圓為主，包括了馬氏距離、線性迴歸及主成分分析，搭配本書系其它書籍，相信AI的數學，對你來說只會是開心而不是阻礙。□ 宇宙的語言是數學，數學的精華是機率，機率的表達是統計！□ 機器學習、深度學習、人工智慧，控制系統都覆蓋的機率統計基礎□ 統計描述方法：描述、推斷、圖、差、位、距、值、度、變□ 古典機率、條件機率、全機率理論□ 離散變數、離散分佈、連續隨機變數□ 一元、二元、多元、條件高斯分佈、斜方差矩陣□ 隨機變數函式、蒙地卡羅模擬□ 頻率派統計、機率密度、機率質量□ 貝氏定理、貝氏分類、貝氏推斷、馬可夫鏈□ 馬氏距離、線性迴歸、主成分分析本書資源可至深智官網下載：https://deepwisdom.com.tw

數據科學和機器學習已經深度融合到我們生活的方方面面，而數學正是開啟未來大門的鑰匙。不是所 有人生來都握有一副好牌，但是掌握“數學 編程 機器學習”絕對是王牌。這次，學習數學不再是為了考試、分數、升學，而是投資時間、自我實現、面向未來。為了讓大家學數學、用數學，甚至愛上數學， 在創作這套書時，作者儘量克服傳統數學教材的各種弊端，讓大家學習時有興趣、看得懂、有思考、更自信、用得著。《數學要素：全彩圖解 微課 Python編程》打破數學板塊的藩籬，將算數、代數、線性代數、幾何、解析幾何、概率統計、微積分、優化方法等板塊有機結合在一起。從加、減、乘、除四則運算講起，主要內容包括：第 1、2 章講解向量和矩陣的基本運算；第 3 章講解常用幾何知識；第 4 章講解代數知識；第 5、6 兩章介紹坐標系；第 7、8、9 三章介紹解析幾何；第 10 章到第 14 章都是圍繞函數展開；第 15 章到第 19 章講解微積分以及優化問題內容；第20、21 兩章是概率統計入門；《數學要素：全彩圖解 微課 Python編程》最後四章以線性代數收尾。《數學要素：全彩圖解 微課 Python編程》內容編排上突出“圖解 編程 機器學習應用”。講解一些特定數學工具時，《數學要素：全彩圖解 微課 Python編程》會穿插介紹其在數據科學和機器學習領域應用場景，讓大家學以致用。《數學要素：全彩圖解 微課 Python編程》雖標榜“從加減乘除到機器學習”，但是建議讀者至少具備高中數學知識。如果讀者正在學習或曾經學過大學數學 ( 微積分、線性代數、概率統計 )，就更容易讀了。

數據科學和機器學習已經深度融合到我們生活的方方面面，而數學正是開啟未來大門的鑰匙。不是所 有人生來都握有一副好牌，但是掌握“數學 + 編程 + 機器學習”絕對是**。這一次，學習數學不再是為了考試、分數、升學，而是投資時間、自我實現、面向未來。為了讓大家學數學、用數學，甚至愛上數學， 在創作這套書時，作者儘量克服傳統數學教材的各種弊端，讓大家學習時有興趣、看得懂、有思考、更自信、用得著。鳶尾花書有三大板塊――編程、數學、實踐。數據科學、機器學習的各種算法離不開數學，本冊《矩陣力量》是“數學”板塊的第 2 本，主要介紹常用線性代數工具。任何數學工具想要從一元推廣到多元，比如多元微積分、多元統計，都繞不開線性代數。《矩陣力量：線性代數全彩圖解 + 微課 + Python編程》共 25 章內容，可以歸納為 7 大板塊：向量、矩陣、向量空間、矩陣分解、微積分、空間幾何、數據。《矩陣力量：線性代數全彩圖解 + 微課 + Python編程》在講解線性代數工具時，會穿插介紹其在數據科學和機器學習領域的應用場景，讓大家學以致用。《矩陣力量：線性代數全彩圖解 + 微課 + Python編程》讀者群包括所有在工作中應用數學的朋友，尤其適用于初級程序員進階，大學本科數學開竅，高級數據分析師，人工智能開發者。

☆★☆★【有如手術刀般精準！利用Python幫你管控財金風險！】★☆★☆ 在上一本基礎篇的學習完備，能善用Python程式語言及常用的工具套件之後，接下來就是開始對金融風險進行評估了。 本書接續介紹了各種數學模型，包括波動性、隨機過程及相當重要的馬可夫過程、馬丁格爾、隨機漫步、維納過程等，另外也包含蒙地卡羅等數學模型的應用。 而統計科學中最常用的回歸，本書也有涉獵。另外包括了二元樹、BSM選擇權、希臘字母，市場風險等，都有最完整的Python程式和數學公式供讀者計算、運用。 金融商品龐大且複雜，需要像使用手術刀般精準、細緻地切割每一個細節，畢竟賠錢事小，沒辦法掌握到大盤的迅速波動與走勢，才是一大損失。 本書看點 ✪了解金融商品的波動性、移動平均、ARCH、GARCH。 ✪認識蒙地卡羅股價模擬、歐式、亞洲式選擇權。 ✪學習市場風險分類、度量、價值、分析。 ✪精進交易對手信用風險、投資組合理論、無差別效用曲線、資產定價理論。

☆★☆★【有如手術刀般精準！利用Python幫你管控財金風險！】★☆★☆ 本書使用了當紅的程式語言Python，從程式設計的基本觀念談起。沒有Python基礎也沒關係，完整的Python介紹，讓您能順利銜接資料科學家最常用的套件整理，包括Numpy，以及特別針對格式化表格類處理的Pandas，也充分介紹了Dataframe的各種應用。 在有了充足的資料之後，接著需要有可以展示數據的工具。除了大家最愛用的Matplotlib之外，也介紹了高手才會用的Seaborn。當熟悉了工具之後，就正式進入了金融理論，包括基礎的機率及統計、各種模型及機率分佈，以及抽樣、信賴區間等內容說明。 最後則進入到金融領域，除了介紹各種計算的演算法、模型、術語，也結合了前面所學的Python及工具，並講解金融商品最重要的「固定收益分析」。 本書從科學下手，讓您精準了解金融原理，確保金錢不再陷入水深火熱之中，將是您從科學到金融領域最重要的橋樑。 本書看點 ✪金融風險管理師 (FRM)所應該具備的所有技能。 ✪FinTech所需要的Python程式設計概念。 ✪資料科學家最需要熟悉的Python套件、Pandas、Numpy。 ✪製作圖表的首選工具Matplotlib、Seaborn。

《編程不難:全彩圖解+微課+Python編程》是“鳶尾花數學大系—從加減乘除到機器學習”叢書的第一冊，也是“編程”板塊的第一冊， 著重介紹如何零基礎入門學 Python 編程。雖然《編程不難:全彩圖解+微課+Python編程》主要講解 Python 編程，但是也離不開數學。《編程不難:全彩圖解+微課+Python編程》儘量 避免講解數學概念公式，而且用圖形和近乎口語化的語言描述程序設計、數據分析、機器學習背後常用的 數學思想。《編程不難:全彩圖解+微課+Python編程》分為預備、語法、繪圖、數組、數據、數學、機器學習、應用八大板塊， 共 36 章， 內容“跨度”極大！ 從 Python 基本編程語法，到基本可視化工具，再到各種數據操作工具，還介紹常用 Python 實現的各種複 雜數學運算，進入數據分析和機器學習之後，還講解如何搭建應用 App。我們可以把《編程不難:全彩圖解+微課+Python編程》看作從 Python 編 程角度對“鳶尾花書”全系內容的總覽。《編程不難:全彩圖解+微課+Python編程》提供代碼示例和講解，而且提供習題，每章還配套 Jupyter Notebook 代碼文件(Jupyter Notebook 不是可有可無的，而是學習生態的關鍵一環， “鳶尾花書”強調在 JupyterLab 自主探究學習才能提高大家 編程技能)。《編程不難:全彩圖解+微課+Python編程》配套微課也主要以配套 Jupyter Notebooks 為核心，希望讀者邊看視頻，邊動手練習。《編程不難:全彩圖解+微課+Python編程》讀者群包括所有試圖用編程解決問題的朋友，尤其適用于初級程序員進階、高級數據分析師、機器學習開發者。

《可視之美:數據可視化+數學藝術+學術繪圖+Python創意編程》是“鳶尾花數學大系：從加減乘除到機器學習”叢書中編程板塊的第二冊。編程板塊第一冊《編程不難》著重介紹如何零基礎入門Python編程，《可視之美:數據可視化+數學藝術+學術繪圖+Python創意編程》則在《編程不難》基礎之上深入探討如何用Python完成數學任務及板塊數據可視化。《可視之美:數據可視化+數學藝術+學術繪圖+Python創意編程》是本系列中的一本真正意義上的“圖冊”。內容覆蓋科技製圖、計算機圖形學、創意編程、趣味數學實驗、數學科學、機器學習等。《可視之美:數據可視化+數學藝術+學術繪圖+Python創意編程》“毫無節制”地展示數學之美，而且提供特別實用且容易複製的創作思路、做圖技巧、編程代碼。《可視之美:數據可視化+數學藝術+學術繪圖+Python創意編程》包含8個板塊共36章內容。前5個板塊（共18章）專注於各種可視化手段，是可視化中的“術”；後3個板塊（共18章）選取了18個話題來展示數學之美，是可視化中的“藝”，閱讀這18章時，請關注每個可視化方案的創意思路、作圖技巧、數學工具。《可視之美:數據可視化+數學藝術+學術繪圖+Python創意編程》讀者群包括程序員、科技製圖開發者、高級數據分析師、機器學習開發者、創意編程開發者、計算機圖形學研究者。

本冊核心內容定位在留學生活化口語提升： 【居家】居家DIY，寵物，愛好，園藝，裝飾，維修，搬家，租房，家電 【健康】運動，健身，睡眠，個人護理，性，口腔，就醫，常見藥品，瑜伽，過敏，減肥，精神健康，情感。

本冊核心內容定位在境外旅遊英語口語提升： 【旅遊】戶外，旅行，賓館，吃喝，問路，景點，飛機 【世界奇觀】地理，天文星座，建築，聯合國物質、非物質遺產，經典動物植物 【藝術】著名音樂家和藝術家，故居，著名博物館，著名繪畫雕塑，著名音樂廳。

本冊核心內容定位在留學交際英語口語提升： 【社會】社會時事，新科技發明，社會事件，社會熱點 【娛樂】名人，娛樂，電影，電視，音樂，節日與慶典，體育賽事，紅毯 【辯論】經典辯論話題 【歷史】發明家，挑戰者，歷史締造者，歷史事件關鍵字 【文化】哲學，文學，心靈雞湯，詩詞，聖經典故，古希臘古羅馬典故 【中國】地理，美食，人文，節日，歷史人物。

本冊核心內容定位在境外留學學術英語口語提升： 【學術】小學，初中，高中，數理化基本常識【語言邏輯】語言的藝術，如何用topicsentence等協作方法有條理地講長短子，講述故事情節，描繪場景，講述流程，評價優缺點，分情況討論，舉例子，俚語，交流，基本語法。

旨在幫助GRE及TOEFL備考者短時間內掌握學習科技發展、社會學、文化交流、藝術、歷史、哲學等方面常用的英語表達。其中，《拯救我的GRE+TOEFL寫作論據素材庫科技篇》（以人類科學技術發展為主線，介紹影響人類發展的重大科技進步和人物故事。《拯救我的GRE+TOEFL寫作論據素材庫社會篇》主要以社會學的視角介紹當今世界面臨的各種挑戰以及解決辦法。《拯救我的GRE+TOEFL寫作論據素材庫藝術篇

旨在幫助GRE及TOEFL備考者短時間內掌握學習科技發展、社會學、文化交流、藝術、歷史、哲學等方面常用的英語表達。其中，《拯救我的GRE+TOEFL寫作論據素材庫科技篇》（以人類科學技術發展為主線，介紹影響人類發展的重大科技進步和人物故事。《拯救我的GRE+TOEFL寫作論據素材庫社會篇》主要以社會學的視角介紹當今世界面臨的各種挑戰以及解決辦法。《拯救我的GRE+TOEFL寫作論據素材庫藝術篇》（

《拯救我的出國考試寫作系列：拯救我的TOEFL寫作（Writing）》針對託福寫作部分，為考生提供全新優化備考方案，包括詳盡的託福寫作指導和實用的語料素材。寫作指導旨在解決考生在寫作中的實際難題，如文章組織、文章發展和語言組織三大方面的內容，幫助考生開發出自己的寫作模板，從而輕鬆應考；針對大多考生在寫作中的短板，如語言組織過於簡單、語料匱乏等情況，《拯救我的出國考試寫作系列：拯救我的TOEFL寫作