数学编程

Math for Programming

每个伟大的编程挑战都以数学原理为核心。无论您是优化搜索算法、为游戏构建物理引擎,还是训练神经网络,成功都取决于您对核心数学概念的掌握。

在 Math for Programming 中,您将掌握基本的数学知识,这将带您从基本编码到严肃的软件开发。您将了解向量和矩阵如何为您提供处理复杂数据的能力,微积分如何推动优化和机器学习,以及图论如何导致高级搜索算法。

通过清晰的解释和实际示例,您将学习:

  • 利用线性代数以前所未有的效率处理数据
  • 应用微积分概念来优化算法并驱动仿真
  • 使用概率和统计量对不确定性进行建模并分析数据
  • 掌握为现代数据结构提供支持 的离散数学
  • 通过微分方程求解动态问题

无论您是想填补数学基础中的空白,还是想更新对核心概念的理解,Math for Programming 都会将复杂的数学变成您每天都会使用的实用工具。

作者简介

Ronald T. Kneusel 自 2003 年以来一直在工业领域从事机器学习方面的工作,并拥有科罗拉多大学博尔德分校的机器学习博士学位。Kneusel 著有《实用深度学习》、《深度学习数学》、《随机性艺术》、《人工智能如何工作》和《奇怪的代码》(均来自 No Starch Press),以及《数字与计算机》和《随机数与计算机》(Springer)。

目录

前言
确认
介绍
第 1 章.计算机和数字
第 2 章.集合和抽象代数
第 3 章.布尔代数
第 4 章.函数和关系
第 5 章.感应
第 6 章.递归和递归
第 7 章.数论
第 8 章.计数和组合学
第 9 章.图
第 10 章.树
第 11 章.概率
第 12 章.统计学
第 13 章.线性代数
第 14 章.微分
第 15 章.积分
第 16 章.微分方程

指数

红色章节包含在此抢先体验 PDF 中。

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。