深度學習的數學：用數學開啟深度學習的大門[88折]11100906554 TAAZE讀冊生活網路書店

Name: 深度學習的數學：用數學開啟深度學習的大門[88折]11100906554 TAAZE讀冊生活網路書店
Price: 440 TWD

蝦皮商城-指定商店

1. 請務必「清空」蝦皮購物車，再透過LINE購物連結至蝦皮商店進行購買；先把商品加入購物車，再從LINE購物連結至蝦皮結帳，將無法獲得點數回饋。 2. 請避免連續下單，若您完成交易後，想下第二張訂單，請重新從LINE購物連結至蝦皮商店進行購買 3. 電子票券及繳費服務類別：回饋０％。 4. 請留意，蝦皮超市內的商品（蝦皮超市、蝦皮直送美妝、蝦皮免運直送）不隸屬於蝦皮商城，點數回饋請依照「蝦皮超市」商店頁為主。 5. 蝦皮商城之訂單適用於部分點數紅包，規範請依該紅包頁說明為主。 6. 點數回饋將依照蝦皮提供扣除折價券、運費與蝦幣後之最終金額進行計算。 7. 同一商品品項(即便不同尺寸規格)，皆會計入同一筆返點上限進行計算 8. 用戶需於同一瀏覽器進行交易（若自動跳轉 APP，請在 APP交易）。 9. 若使用不同物流或付款方式，將拆分成不同筆訂單編號發送通知。 10. 若使用折價券折抵，可能會有攤提折抵導致訂單金額些微落差 11. 蝦皮會將LINE的導購跳轉紀錄與蝦皮的會員ID進行綁定，若後續七天內未透過其他媒體來源導入蝦皮官網，則七天內於該蝦皮帳號下訂的首筆訂單會被蝦皮認列為該LINE用戶導購跳轉時所成立之訂單。 12. 若同一用戶使用一個以上蝦皮帳號透過LINE購物進行導購，將可能導致無法收到導購通知，亦可能無法收到點數，再請留意。 [注意事項] 1.如導購途中用戶由網頁版(電腦版/手機版網頁)切換為 App 會造成追蹤中斷而無法進行 LINE Points 回饋 2.若購買過程中關閉蝦皮APP，則需重新透過LINE購物前往蝦皮商城，否則無法進行LINE POINTS 回饋。 / 3.如用戶先前往蝦皮商城將商品加入購物車，後續透過LINE購物前往至蝦皮商城將購物車結清，此方案將不列入 LINE Points 回饋 4.若因系統異常無法追蹤訂單，致使消費者無接收到點數回饋，蝦皮保有更改條款與法律追訴之權利 5. LINE購物商品價格若與蝦皮賣場實際價格有異，以蝦皮賣場價格為準

商品描述

商品資料作者：涌井良幸、涌井貞美出版社：博碩文化股份有限公司出版日期：2020/05/04 ISBN/ISSN：9789864344802 語言：繁體/中文裝訂方式：平裝頁數：240 原價：500 ------------------------------------------------------------------------ 內容簡介【數學王道】01 掌握數學才能開啟深度學習的大門注重理解才能走向數學應用之大道許多人在求學時期接觸數學的時候總是意興闌珊，總覺得只要四則運算就能夠應付大部分的日常所需，什麼指數、對數、向量、三角函數，甚至微積分，常常是不求甚解而只求低空飛過。等到機器學習、深度學習等掘起，人們才突然了解到那些數學知識的確是有用的，它們才是這些領域入門的鑰匙。不論您是曾經放棄過數學，還是想要重溫數學的知識，透過本書都可以讓您迅速重回數學的懷抱。書中擅用比喻的方式，務使讀者能夠從基礎原理開始理解，並佐以簡明扼要的範例加以解說，使讀者循序漸進地理解深度學習的諸多關鍵字，像是：權重、偏壓、啟動函數、梯度下降法、誤差反向傳播法、卷積神經網路......等。搭配清楚且直觀的插圖，就連高中生也看得懂！不管什麼樣的職業或年紀，只要拿起這本書，就能使數學成為您強而有力的武器。除了理解之外，本書也重視實際動手作。您可以下載書中資源，親自用Excel檔來接觸深度學習的數學操作。輸入不同的數字並觀察其變化，相信會使讀者更能夠了解公式的涵義。本書內容第1章神經網路的概說第2章理解神經網路所需的數學基礎知識第3章神經網路的最佳化第4章神經網路和誤差反向傳播法第5章深度學習和卷積神經網路。書中使用Excel進行理論驗證，幫助讀者直觀地體驗深度學習的原理。作者簡介湧井良幸 1950年出生於東京，畢業於東京教育大學（現今的筑波大學）數學系，並於千葉縣立高等學校擔任教職。爾後他辭去教職成為一名作家，致力於書籍的寫作。著有《用Excel學深度學習》（合著）、《統計學有什麼用？》等書。湧井貞美 1952年出生於東京，完成東京大學理學系研究科碩士課程後，陸續擔任富士通、神奈川縣立高等學校的教職員，而後成為獨立的科普作家。著有《用Excel學深度學習》（合著）、《圖解貝葉斯統計入門》等書。目錄第 1 章神經網路的概說 1-1 神經網路和深度學習 1-2 神經元行為的數學表示 1-3 啟動函數：將神經元的行為一般化 1-4 什麼是神經網路 1-5 用惡魔來講解神經網路的結構 1-6 將惡魔的行為翻譯成神經網路的語言 1-7 網路自主學習的神經網路第 2 章神經網路的數學基礎 2-1 神經網路所需的函數 2-2 有助於理解神經網路的數列和遞推關係式 2-3 神經網路中經常用到的 Σ 符號 2-4 有助於理解神經網路的向量基礎 2-5 有助於理解神經網路的矩陣基礎 2-6 神經網路的微分基礎 2-7 神經網路的偏微分基礎 2-8 誤差反向傳播法必備的連鎖律 2-9 梯度下降法的基礎：多變數函數的近似公式 2-10 梯度下降法的涵義與公式 2-11 用 Excel 體驗梯度下降法 2-12 最優化問題和迴歸分析第 3 章神經網路的最佳化 3-1 神經網路的參數和變數 3-2 神經網路的變數的關係式 3-3 學習資料和正解 3-4 神經網路的成本函數 3-5 用 Excel 體驗神經網路第 4 章神經網路和誤差反向傳播法 4-1 梯度下降法的回顧 4-2 神經單元誤差 δ 4-3 神經網路和誤差反向傳播法 4-4 用 Excel 體驗神經網路的誤差反向傳播法第 5 章深度學習和卷積神經網路 5-1 用小惡魔來講解卷積神經網路的結構 5-2 將小惡魔的行為翻譯成卷積神經網路的語言 5-3 卷積神經網路的變數關係式 5-4 用 Excel 體驗卷積神經網路 5-5 卷積神經網路和誤差反向傳播法 5-6 用 Excel 體驗卷積神經網路的誤差反向傳播法附錄 A 訓練資料（1） B 訓練資料（2） C 用數學式表示模式的相似度

加入購物車

設定到價通知

商品已停售