數學之美, 3/e
吳軍
- 出版商: 人民郵電
- 出版日期: 2020-05-01
- 售價: $414
- 貴賓價: 9.5 折 $393
- 語言: 簡體中文
- 頁數: 340
- ISBN: 7115537976
- ISBN-13: 9787115537973
-
相關分類:
大數據 Big-data、Machine Learning
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
貝葉斯方法：概率編程與貝葉斯推斷 (Bayesian Methods for Hackers: Probabilistic Programming and Bayesian Inference)$534$507 -
揭開設計模式的秘辛 ── 設計模式 第1 3/4版 『Pattern hatching : design patterns applied』$390$273 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
浪潮之巔, 4/e$834$792 -
Python 技術者們 - 練功！老手帶路教你精通正宗 Python 程式 (The Quick Python Book, 3/e)$780$616 -
NumPy 高速運算徹底解說 - 六行寫一隻程式？你真懂深度學習？手工算給你看！$750$638 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
深度學習推薦系統$648$616 -
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)$580$458 -
練好深度學習的基本功｜用 Python 進行基礎數學理論的實作$560$442 -
GAN 對抗式生成網路 (GANs in Action: Deep learning with Generative Adversarial Networks)$750$593 -
Python 機器學習 (上), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$620$484 -
Python 機器學習 (下), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$520$406 -
軟體架構原理｜工程方法 (Fundamentals of Software Architecture: A Comprehensive Guide to Patterns, Characteristics, and Best Practices)$680$537 -
必學！Python 資料科學‧機器學習最強套件 － NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras$680$537 -
Python 自學聖經：從程式素人到開發強者的技術與實戰大全, 2/e (附影音/範例程式)$880$695 -
深入淺出設計模式, 2/e (Head First Design Patterns: Building Extensible and Maintainable Object-Oriented Software, 2/e)$980$774 -
資料科學的統計實務 : 探索資料本質、扎實解讀數據，才是機器學習成功建模的第一步$599$473 -
機器學習的統計基礎 : 深度學習背後的核心技術$680$537 -
Python 資料分析必備套件！Pandas 資料清理、重塑、過濾、視覺化 (Pandas 1.x Cookbook, 2/e)$780$616 -
Python 出神入化：Clean Coder 才懂的 Pythonic 技法，為你的程式碼畫龍點睛！ (Clean Code in Python, 2/e)$720$562 -
計算之魂$654$621 -
Python 幫幫忙！用程式思維解決現實世界問題 (Real-World Python: A Hacker's Guide to Solving Problems with Code)$630$497 -
打好 AI 的基礎：一探機器學習底層數學運作$880$695 -
Keras 大神歸位：深度學習全面進化！用 Python 實作 CNN、RNN、GRU、LSTM、GAN、VAE、Transformer$1,200$948
相關主題
商品描述
八年前，“數學之美”系列文章原刊載於谷歌黑板報，獲得上百萬次點擊，得到讀者高度評價。讀者說，讀了“數學之美”，才發現大學時學的數學知識，比如馬爾可夫鏈、矩陣計算，甚至餘弦函數原來都如此親切，並且栩栩如生，才發現自然語言和信息處理這麽有趣。
在紙本書的創作中，作者幾乎把所有文章都重寫了一遍，為的是把高深的數學原理講得更加通俗易懂，讓非專業讀者也能領略數學的魅力。讀者通過具體的例子學到的是思考問題的方式 —— 如何化繁為簡，如何用數學去解決工程問題，如何跳出固有思維不斷去思考創新。
本書第一版榮獲國家圖書館第八屆文津圖書獎。第二版增加了針對大數據和機器學習的內容。第三版增加了三章新內容，分別介紹當今非常熱門的三個主題：區塊鏈的數學基礎，量子通信的原理，以及人工智能的數學極限。
作者簡介
吳軍，學者，投資人，人工智能、語音識別和因特網搜索專家。畢業於清華大學和美國約翰·霍普金斯大學，現任豐元資本創始合夥人、上海交通大學客座教授、約翰·霍普金斯大學工學院董事等職。 吳軍博士曾作為資深研究員和副總裁分別任職於Google公司和騰訊公司。在Google公司，他和同事一同開創了搜索反作弊研究領域，成立了中、日、韓文產品部門，設計了Google中、日、韓文搜索算法，領導了Google自然語言處理和自動問答等研究型項目，擁有近20項美國發明專利。在騰訊公司，他負責了搜索、搜索廣告和街景地圖等項目。作為風險投資人，他成功地投資了150家硅谷和中國的高科技企業。吳軍博士對科技產業有深入的研究，是當今硅谷地區解讀IT產業最權威的專家。 吳軍博士著有《數學之美》《大學之路》《文明之光》《智能時代》《見識》《態度》和《全球科技通史》等多部暢銷書，並多次獲得包括文津獎、中國好書獎、中華優秀出版物在內的圖書大獎。
目錄大綱
推薦序一
推薦序二
第三版前言
第1章 文字和語言vs數字和信息
1信息
2文字和數字
3文字和語言背後的數學
第2章 自然語言處理一從規則到統計
1機器智能
2從規則到統計
第3章 統計語言模型
1用數學的方法描述語言規律
2延伸閱讀：統計語言模型的工程訣竅
第4章 談談分詞
1中文分詞方法的演變
2延伸閱讀：如何衡量分詞的結果
第5章 隱馬爾可夫模型
1通信模型
2隱馬爾可夫模型
3延伸閱瀆：隱馬爾可夫模型的訓練
第6章 信息的度量和作用
1信息熵
2信息的作用
3互信息
第7章 賈里尼克和現代語言處理
第8章 簡單之美一布爾代數和搜索引擎
第9章 圖論和網絡爬蟲
第10章 PageRank—Google的民主表決式網頁排名技術
第11章 如何確定網頁和查詢的相關性
第12章 有限狀態機和動態規劃——地圖與本地搜索的核心技術
第13章 Google AK-47設計老一阿米特·辛格博士
第14章 餘弦定理和新聞的分類
第15章 矩陣運算和文本處理中的兩個分類問題
第16章 信息指紋及其應用
第17章 由電視劇《暗算》所想到的一談談密碼學的數學原理
第18章 閃光的不一定是金子一談談搜索引擎反作弊問題和搜索結果的權威性問題
第19章 談談數學模型的重要性第20章不要把雞蛋放到一個籃子里一談淡最大熵模型
第21章 拼音輸入法的數學原理
第22章 自然語言處理的教父馬庫斯和他的優秀弟子們
第23章 布隆過濾器
第24章 馬爾可夫鏈的擴展一貝葉斯網絡
第25章 條件隨機場、文法分析及其他
第26章 維特比和他的維特比算法
第27章 上帝的算法一期望最大化算法
第28章 邏輯回歸和搜索廣告
第29章 各個擊破算法和Google雲計算的基礎
第30章 Google大腦和人工神經網絡
第32章 區塊鏈的數學基礎一橢圓曲線加密原理
第32章 大數據的威力一談談數據的重要性
第33章 隨機性帶來的好處——量子密鑰分發的數學原理
第34章 數學的極限一希爾伯特第十問題和機器智能的極限
附錄 計算覆雜度
第三版後記
索引
.jpg)
