写给程序员的数学书
Top6
TOP3
TOP1
TOP2
程序员的数学系列
基础数学知识和数学思维
一套写给程序员的数学书
- 用好玩的方式带你掌握编程所需的“数学思维”
- 全系列累计销量24万册的热销好书
- 示例丰富,通俗易懂,讲解明晰
简介:
《程序员的数学》讲解二进制计数法、逻辑、余数、排列组合、递归、指数爆炸、不可解问题等许多与编程密切相关的数学方法,分析了哥尼斯堡七桥问题、高斯求和、汉诺塔、斐波那契数列等经典问题和算法。
《程序员的数学2:概率统计》讲解随机变量、贝叶斯公式、离散值和连续值的概率分布、协方差矩阵、多元正态分布、估计与检验理论、伪随机数以及概率论的各类应用。
《程序员的数学3:线性代数》讲解向量、矩阵、行列式、秩、逆矩阵、线性方程、LU分解、特征值、对角化、Jordan标准型、特征值算法等。
《程序员的数学4:图论入门》讲解最小生成树、最短路径问题、欧拉回路、哈密顿圈、图着色、最大流问题和匹配问题等。
深度学习的数学
一本书掌握深度学习的数学基础知识
- 235幅插图和大量示例,图文直观
- 基于Excel实践,直击神经网络根本原理
简介:
基于丰富的图示和具体示例,通俗易懂地介绍了深度学习相关的数学知识。第1章介绍神经网络的概况;第2章介绍理解神经网络所需的数学基础知识;第3章介绍神经网络的最优化;第4章介绍神经网络和误差反向传播法;第5章介绍深度学习和卷积神经网络。书中使用Excel进行理论验证,帮助读者直观地体验深度学习的原理。
程序员数学:
用Python学透线性代数和微积分
500余幅图片,300+个练习
图文结合的方式帮助你用Python代码解决程序设计中的数学问题
√ 向量几何和计算机图形
√ 矩阵和线性变换
√ 微积分的核心概念
√ 仿真和优化
√ 图像处理和音频处理
√ 用于回归和分类的机器学习算法
简介:
代码和数学是相知相惜的好伙伴,它们基于共同的理性思维,数学公式的推导可以自然地在编写代码的过程中展开。本书带领程序员使用自己熟知的工具,即代码,来理解机器学习和游戏设计中的数学知识。通过Python代码和300多个练习,读者将掌握二维向量、三维向量、矩阵变换、线性方程、微积分、线性回归、逻辑回归、梯度下降等。
用Python动手学统计学
文科生也能学会的统计学
始于统计学知识
但不止于统计学
- 面向零基础读者的统计学入门书,文科生也能学会!
- 内容充实,涵盖与数据打交道的人都需要的统计学知识
- 文字、公式、代码多角度讲解,理论与实践并重
简介:
通过阅读本书,读者不仅可以通过书中例子深刻理解统计学术语、统计分析方法和预测方法等,还可以学到十分前沿的机器学习知识,以及如何使用Python 实现数据可视化和建模等。本书结构清晰、直观易懂,适合统计学和Python初学者以及对数据科学和机器学习感兴趣的读者使用,也可作为高等院校计算机、统计等专业学生的入门书。
用Python学数学
彻底摆脱枯燥
用Python让数学活起来
- 涵盖中学数学重要主题
- 各种让人欲罢不能的案例
- 编程与数学强强联合
- 趣味探险路线展示案例,让你真正领略数学的实用性与编程的趣味性
简介:
本书向读者展示如何利用编程来让数学学习变得有意义并且充满乐趣。读者在探索代数学、几何学、三角学、矩阵和元胞自动机等领域的关键数学概念时,将学会在Python语言的帮助下使用代码可视化一系列数学问题的解决方案。读完本书,读者还可以编写自己的程序来快速解方程,自动完成一些烦琐的任务,以及编写函数来绘制和操作形状等。
白话机器学习的数学
有趣、易懂、实用
专为不擅长数学的你讲解机器学习
- 步步引导,对话形式好理解
- 层层拆解,复杂公式看得懂
简介:
本书通过正在学习机器学习的程序员绫乃和她朋友美绪的对话,结合回归和分类的具体问题,逐步讲解了机器学习中实用的数学基础知识。其中,重点讲解了容易成为学习绊脚石的数学公式和符号。同时,还通过实际的Python 编程讲解了数学公式的应用,进而加深读者对相关数学知识的理解。