ISBN: 9786267273913

出版日期: 2023-10-20

作者： 姜偉生

裝訂： 平裝.單色印刷.680頁.23.

 

　　全書分為以下幾個部分：

　　基礎：從加減乘除四則運算開始，並在第1和2章深入介紹向量和矩陣的基本運算，以及在不同章節穿插線性代數基礎知識。

　　座標系：第5和6章介紹笛卡爾座標系，將幾何和代數相結合，強調代數式的視覺化和幾何體的參數化。

　　解析幾何：第7、8、9章介紹解析幾何內容，重點在於距離度量和橢圓。強調使用等距線和其他視覺化工具，以及橢圓在多個領域的應用。

　　函式：第10至14章圍繞函式展開。強調在學習函式時繪製函式線圖、使用視覺化工具觀察二元函式，以及不同函式的特性與應用。第14章解釋數列，強調累加、極限等是微積分的基礎。

　　微積分：第15至19章介紹微積分和最佳化問題。導數、偏導數、微分和積分提供了研究函式性質的量化工具。強調使用幾何圖解理解這些概念，以及微積分在最佳化問題中的應用。

　　機率統計：第20、21章為機率統計入門。強調代數部分與機率統計的關聯，介紹了二項樹和隨機過程，以及通過影像展示機率統計定義。

　　線性代數：最後四章介紹線性代數。第22章視覺化向量和向量運算。第23、24、25章以「雞兔同籠三部曲」為核心，通過虛構故事展示了線性方程組、向量空間、投影、最小二乘線性回歸、馬可夫過程和特徵值分解等內容。

本書特色

　　✪ 將一生中從小學到研究所的數學總整理！
　　✪ 機器學習基礎全部完整打好
　　✪ 將數學視為思想、工具、語言、體系、基石、藝術的角度進行學習
　　✪ 分為基礎、座標系、解析幾何、函式、微積分、機率統計、線性代數七大部分
　　✪ 不再應付考試，重新愛上數學
　　✪ 不再亂猜，寫機器學習程式碼時，每一行指令背後代表的數學基礎都清清楚楚
　　✪ 學數學本身，也學數學歷史，介紹史上幾個最偉大的數學家

　　※ 本書資源可至深智官網下載：deepwisdom.com.tw
 

 

作者簡介
姜偉生

作者簡介



姜偉生

　　姜偉生，博士FRM。勤奮的小鎮做題家，熱愛知識可視化和開源分享。自2022年8月開始，在GitHub上開源「鳶尾花書」學習資源，截至2023年9月，已經分享4000多頁PDF、4000多幅矢量圖、約2000個代碼文件，全球讀者數以萬計。