圖解機器學習與資料科學的數學基礎｜使用Python

序章｜設定 Python開發環境

第一篇機率統計、機器學習篇
第1章｜取得資料之後的第一件事
第2章｜試著利用機器學習進行分析
第3章｜推測必需的資料筆數

第二篇 數理最佳化篇
第4章｜透過最佳路徑規劃問題，了解解決最佳化問題的方法
第5章｜透過排班問題了解最佳化問題的全貌

第三篇 數値模擬篇
第6章｜試著預測傳染病的影響
第7章｜試著透過動畫模擬人類的行為

第四篇 深度學習篇
第8章｜了解深度學習辨識影像的方法
第9章｜了解深度學習處理時間序列資料的機制
第10章｜了解以深度學習進行的圖片處理與語言處理

Appendix 程式設計與數學之間的橋梁
Appendix 1｜利用公式了解常態分佈
Appendix 2｜微分方程式差分法造成的誤差與泰勒展開式
Appendix 3｜非線性最佳化的機械學習／深度學習的迴歸／分類

 

序

　　運用數學知識改善業務流程

　　現代已是AI／資料科學普及，熟悉機器學習這類尖端技術的工程師能夠大展身手的時代，而工程師與上班族是否具備這些技術背後的數學知識，工作表現也將有明顯的落差。若具備這類數學知識，不僅可使用函式庫這類工具，有時還可自行開發需要的工具，也能知道該如何改善業務流程或是改革業務內容。

　　雖然工程師或上班族若是了解數學，將可增加自己的可塑性，但是閱讀解說數學的專業書籍，也不見得就能有助於工作。數學專業書籍之所以艱深，主要分成兩大理由：

　　．一堆困難的公式，讓人望之卻步
　　．再怎麼詳盡的解說也讓人無法了解公式的內容

　　透過簡單的程式邊做邊學，就能了解所需的數學知識

　　其實工程師與上班族所需的數學都可以直覺地學會，不需要學習一堆公式，但大部分的人都認為解說數學的時候「需要公式」，而為了解說艱深的公式，數學專業書籍才會厚厚一本。一看到那麼厚的一本書，讀者往往會被勸退，不然就是讀到最後，也不知道該如何使用數學。

　　利用圖解取代公式，無障礙地吸收數學的知識

　　本書要利用圖解取代公式，讓各位讀者更能直覺吸收數學的知識，也要透過簡單的程式讓讀者邊做邊學，直到學會需要的知識為止。其實要了解數學，不一定非得透過公式說明。要想掌握數學的一個知識點，可先掌握這個知識點的用途，之後再試著透過圖案或圖表直覺地了解這個知識點，最後再試著使用這項數學知識，這也是學會數學所需的步驟。大家可一邊預設自己會在哪些工作場合使用這些數學知識，再透過圖解或程式按部就班了解所需的數學知識。

　　只要能了解數學的原理，就能了解機器學習的系統運作原理

　　本書使用的程式語言是Python，但就算是沒有Python的知識，或是毫無程式設計背景知識的上班族，都可藉由「試著執行本書的程式」，掌握本書介紹的數學知識。不管是要了解數學，還是要撰寫程式，重點在於「先試著動手做做看」，而不是從零開始撰寫程式碼。執行程式，確認結果之後，粗略了解程式的執行內容與架構，這才是透過程式了解數學的第一步，也是最重要的一步。雖然只是粗淺的了解，但只要能了解數學的原理，就能了解機器學習的系統運作原理，也就能發現機器學習系統的問題，或是在利用多種系統解決工作問題的時候，能自行決定該使用哪些數學原理。一旦了解上述的系統與原理，就能了解數學或程式設計這類專業書籍的定位，還能進一步強化相關知識。閱讀本書可更直覺地了解數學，進一步擴張工程學的可能性。