從數學開始的 AI,基礎數學與 Python 實作:機率×卷積×池化……從核心數學概念到程式應用,學會AI背後的邏輯與演算法基礎
陸偉峰 , 谷瑞 , 蔡炳育 , 王美艷 著
- 出版商: 沐燁
- 出版日期: 2025-11-19
- 定價: $480
- 售價: 7.9 折 $379
- 語言: 繁體中文
- 頁數: 352
- ISBN: 6267708861
- ISBN-13: 9786267708866
-
相關分類:
Python、機率統計學 Probability-and-statistics
立即出貨 (庫存=1)
買這商品的人也買了...
-
$219統計學習理論基礎 -
$300人工智能算法 捲1 基礎算法 -
特徵工程不再難:資料科學新手也能輕鬆搞定! (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$405 -
$351人工智能算法 捲2 受大自然啟發的算法 -
$568金融中的機器學習 -
利用 Python 實現概率、統計及機器學習方法(原書第2版)$714$678 -
$861精通機器學習算法 -
趣味自然科學100堂 (暢銷2版):長知識又能練出好英文 (附音檔,可掃描QR Code +下載)$350$276 -
最愛經典童話100篇 (暢銷2版):看故事又能練出好英文 (附音檔,可掃描QR Code +下載)$350$276 -
Code:隱藏在電腦軟硬體底下的秘密 (第二版) (Code: The Hidden Language of Computer Hardware and Software, 2/e)$680$476 -
$356強化學習演算法入門 -
痠痛拉筋解剖書【升級增訂版】(三版)$520$442 -
$504深度學習的理論基礎與核心算法 -
30天挑戰精通 PowerShell【第四版】:Windows、Linux 和 macOS 適用 (Learn PowerShell in a Month of Lunches: Covers Windows, Linux, and macOS, 4/e)$760$502 -
深度學習 -- 最佳入門邁向 AI 專題實戰, 2/e$1,200$948 -
精確掌握 AI 大趨勢!深度學習技術解密:日本 AI 神人,帶你正確學會從機器學習到生成式 AI 的核心基礎$630$497 -
AI 投資理財賺錢術 – No Code 也能賺大錢$680$537 -
Linux 系統管理達人養成實務攻略:高效掌握 Linux 指令技巧×快速部署環境(iThome鐵人賽系列書)$650$507 -
深度學習詳解|台大李宏毅老師機器學習課程精粹$750$592 -
軟體測試修練指南:我獨自升級的實戰心法(iThome鐵人賽系列書)$690$538 -
AI 工程|從基礎模型建構應用 (AI Engineering : Building Applications with Foundation Models)$1,200$948 -
Claude Code Vibe Coding 開發手冊$750$592 -
概率機器學習 基礎篇$1,014$963 -
Vibe Coding 50 道零程式碼開發|用 AI 打造生活與工作的應用程式 (Vibe Coding for Beginners: How to use AI and LLMs to create apps, websites and amazing technology without writing code)$580$458 -
塞爆 128G GPU 記憶體,Nvidia DGX Spark,影音圖生成、微調、預訓練 Agent 全面玩透$1,080$853
相關主題
商品描述
AI時代來臨,你的數學準備好了嗎?
打好基礎,推開智慧之門
邁向未來,就從這本書開始!
初學者友善的入門指南
本書專為資料科學與人工智慧(AI)相關領域的學生與初學者量身打造,旨在幫助讀者建立學習AI所需的基礎數學概念。不同於傳統艱澀的數學教材,本書以通俗易懂、由淺入深的方式進行講解,讓即便是數學基礎薄弱的讀者,也能輕鬆理解並掌握內容。透過清晰的結構與大量實例說明,本書化繁為簡,降低學習門檻,是通往AI世界的重要敲門磚。
理論與實踐兼備,學以致用
本書的內容設計強調理論與實務並重,既有嚴謹的數學推導,也有豐富的應用實例。除了傳統的計算練習,還融合Python程式語言進行實作,讓讀者能夠同步訓練邏輯思維與程式技能。透過實際編程演練,不僅有助於加深對數學原理的理解,也提升將理論應用於資料分析與AI開發的實務能力。這樣的設計不僅符合現代科技教育的需求,也貼近業界實際工作情境。
教材與自學兼用,應用範圍廣泛
本書不僅可作為大專院校資料科學與人工智慧相關課程的教材,也非常適合自學者與職場從業人員作為參考書使用。內容涵蓋機率與統計、線性代數、微積分、最佳化等AI核心數學領域,系統性地建立完整知識架構。無論是準備進一步修習機器學習、深度學習等進階課程,或是需要在實務工作中應用資料分析與模型建構能力,本書都是不可或缺的重要資源。
奠定未來AI學習的基礎
人工智慧的發展日新月異,對數學的依賴與日俱增。唯有具備紮實的數學基礎,才能真正理解演算法的原理與模型背後的邏輯,進而靈活應用於各種情境中。本書不僅是一部數學入門書,更是一座銜接AI世界的橋樑。透過理論與實務交織的學習旅程,幫助讀者在AI領域立足,迎接更廣闊的未來發展機會。
本書特色
本書專為資料科學與人工智慧專業的初學者設計,內容通俗易懂,系統性講解學習AI所需的基礎數學知識。全書涵蓋理論與實踐,結合推導、計算與Python程式實作,幫助讀者靈活掌握核心概念並提升實戰能力。無論是作為相關課程教材,或是從業者的自學參考書籍,本書皆能有效協助讀者打下紮實的數學基礎,為人工智慧領域做好準備。
作者簡介
作者簡介
陸偉峰
副教授,從事數學、大數據與人工智慧相關的教學與研究工作。先後參與編寫了《大學數學》、《Python基礎程式設計》等教材,發表核心期刊論文2篇,獲發明專利1項,並主持多項課題。
谷瑞
副教授,從事大數據與人工智慧相關的教學與科學研究工作。先後出版《Pytho基礎程式設計》、《TensorFlow深度學習開發實戰》等教材,發表SCI、EI等相關論文4篇。
蔡炳育
副教授,主持或參與完成教研、教改專案28項。出版教材5部,發表論文15篇。
王美豔
碩士,專業方向為李代數與量子群。畢業後一直從事大學數學教學,發表論文數篇,主持橫向課題、教改課題多項。
目錄大綱
前言
微積分篇
線性代數篇
機率統計篇
應用篇
參考文獻
附錄A 標準正態分布函數數值表
