SKU/Artículo: AMZ-B0DJ3GW9G9
AIのための基礎数学: Pythonによる実践 (Japanese Edition)
Format:
Paperback
Detalles del producto
Disponibilidad:
En stock
En stock
Peso con empaque:
0.52 kg
0.52 kg
Devolución:
Sí
Sí
Condición
Nuevo
Nuevo
Producto de:
Amazon
Amazon
Viaja desde
USA
USA
Sobre este producto
- 商品説明: この画期的な書籍は、AI時代に必要な基礎数学をPythonを用いた実践的なアプローチで学べる一冊です。数学的理論とコンピュータサイエンスの融合を通じて、現代のAI技術の核心に迫ります。 キーフィーチャー: - AIに欠かせない数学的基礎を網羅 - 各章に豊富なPythonコードを使用して実践的な学習を促進 - 線形代数から量子機械学習までの包括的な内容 - 最新のAIアルゴリズムを数学的視点から解説 - 読者の理解を深める豊富な問題と演習 学ぶことができる内容: - ベクトルと行列の定義と演算を理解し、線形結合や変換を探求する - 固有値と固有ベクトルを用いた行列の対角化を理解する - LU、QR、SVDなどの行列分解法を探究 - ベクトル空間の性質や次元、基底の概念を把握する - ベクトルノルムと距離の計算方法を学ぶ - 関数の微分積分法をPythonを使って実践する - 多変数関数の偏微分と勾配について理解する - ヘッセ行列を使用した最適化手法を探る - 確率空間と変数の基本概念を把握 - 正規分布や二項分布の特性を詳述 - ベイズの定理と条件付き確率の応用例を探求 - エントロピーと相互情報量について学ぶ - 統計的推定の手法や仮説検定を実践 - 線形および非線形微分方程式の解法を学ぶ - フーリエ級数とフーリエ変換の応用法を探る - 反復法や誤差解析を用いた数値線形代数 - 非線形システムの解法を理解 - ベクトル量子化を用いたデータ圧縮技法 - 強化学習におけるQ学習やマルコフ決定過程 - トランスフォーマーモデルとその応用 - グラフニューラルネットワークの活用法 - ラグランジュ乗数法を使った最適化手法を実践 - 確率的勾配降下法を用いた学習率設定法 - ディープラーニングにおける誤差逆伝播法 - メタラーニングの数学的アルゴリズムを探る - 生成的敵対ネットワーク（GAN）とVAEの仕組み - モンテカルロ法によるサンプリング手法 - 変分推論およびその数理を探求 - ブートストラップ法とクロスバリデーションの理解
AR$56.112
44% OFF
AR$31.175
IMPORT EASILY
By purchasing this product you can deduct VAT with your RUT number
AR$56.112
44% OFF
AR$31.175
Pagá fácil y rápido con Mercado Pago o MODO
Llega en 8 a 12 días hábiles
con envío
Tienes garantía de entrega
Este producto viaja
de USA ![]()
a tus manos en
![]()
a tus manos en
Compra protegida
Disfruta de una experiencia de compra segura y confiable
Tarjetas de Crédito y Débito
Visa
Mastercard
American Express
Pagos a través de PayPal
Compra procesada en dólares con dinero en cuenta o tarjetas internacionales.
Paypal
Pagos a través de MODO
Compra procesada en pesos desde la App de tu banco.
PayPal
