速通!深度学习的数学基础

1.知识系统化，且辅以大量的图示和案例，更方便零基础人阅读。
2.重难点标注清晰，章前有本章概要，配有一个清晰结构图，全书内容一览即知。
3.每章附有编程实践，便于上手实战
4.通过捷径了解深度学习的数学知识！

本书将深度学习涉及的数学领域缩小到最低限度，以帮助读者在最短的时间内理解深度学习必需的数学知识。全书分为导入篇、理论篇、实践篇和发展篇四部分内容。导入篇系统介绍了一些机器学习的入门知识；理论篇包括微积分、向量和矩阵、多元函数、指数函数、概率论等知识；实践篇介绍了线性回归模型、逻辑回归模型、深度学习模型；发展篇介绍了面向实践的深度学习。本书编程实践中的代码使用Python及Jupyter Notebook编写，简明易懂，便于上手实战。本书适合对深度学习感兴趣的读者、希望通过了解数学基础来学习深度学习的读者阅读。

赤石雅典，日本埃森哲株式会社商业咨询本部AI事业群高级首席顾问，京都情报大学院大学客座教授。1985年毕业于东京大学工学院计算工程系，1987年获得同校硕士学位，同年加入日本IBM，并于2020年12月离职。2021年3月加入埃森哲，目前主要负责DX（数字化转型）人才培养和教育行业AI项目推进相关工作。

导入篇

第1章 机器学习入门

1.1人工智能（AI）与机器学习

1.2机器学习

1.2.1机器学习模型

1.2.2学习的方法

1.2.3监督学习与回归和分类

1.2.4训练步与预测步

1.2.5损失函数与梯度下降法

1.3机器学习模型初步

1.4本书中采用的机器学习模型

1.5机器学习与深度学习中数学的必要性

1.6本书的结构

理论篇

第2章 微分与积分

2.1函数

2.1.1什么是函数

2.1.2函数图像

……