相关作者的搜索结果
数学要素（全彩图解 + 微课 + Python编程）
94人今日阅读 推荐值 85.3%
数据科学和机器学习已经深度融合到我们生活的方方面面，而数学正是开启未来大门的钥匙。不是所 有人生来都握有一副好牌，但是掌握“数学 + 编程 + 机器学习”绝对是**。这次，学习数学不再是为了考试、分数、升学，而是投资时间、自我实现、面向未来。为了让大家学数学、用数学，甚至爱上数学， 在创作这套书时，作者尽量克服传统数学教材的各种弊端，让大家学习时有兴趣、看得懂、有思考、更自信、用得着。 《数学要素：全彩图解 + 微课 + Python编程》打破数学板块的藩篱，将算数、代数、线性代数、几何、解析几何、概率统计、微积分、优化方法等板块有机结合在一起。从加、减、乘、除四则运算讲起，主要内容包括：第 1、2 章讲解向量和矩阵的基本运算；第 3 章讲解常用几何知识；第 4 章讲解代数知识；第 5、6 两章介绍坐标系；第 7、8、9 三章介绍解析几何；第 10 章到第 14 章都是围绕函数展开；第 15 章到第 19 章讲解微积分以及优化问题内容；第20、21 两章是概率统计入门；《数学要素：全彩图解 + 微课 + Python编程》最后四章以线性代数收尾。 《数学要素：全彩图解 + 微课 + Python编程》内容编排上突出“图解 + 编程 + 机器学习应用”。讲解一些特定数学工具时，《数学要素：全彩图解 + 微课 + Python编程》会穿插介绍其在数据科学和机器学习领域应用场景，让大家学以致用。 《数学要素：全彩图解 + 微课 + Python编程》虽标榜“从加减乘除到机器学习”，但是建议读者至少具备高中数学知识。如果读者正在学习或曾经学过大学数学 ( 微积分、线性代数、概率统计 )，就更容易读了。
94
矩阵力量：线性代数全彩图解+微课+Python编程
81人今日阅读 推荐值 86.8%
数据科学和机器学习已经深度融合到我们生活的方方面面，而数学正是开启未来大门的钥匙。不是所 有人生来都握有一副好牌，但是掌握“数学 + 编程 + 机器学习”绝对是**。这一次，学习数学不再是为了考试、分数、升学，而是投资时间、自我实现、面向未来。为了让大家学数学、用数学，甚至爱上数学， 在创作这套书时，作者尽量克服传统数学教材的各种弊端，让大家学习时有兴趣、看得懂、有思考、更自信、用得着。 鸢尾花书有三大板块——编程、数学、实践。数据科学、机器学习的各种算法离不开数学，本册《矩阵力量》是“数学”板块的第 2 本，主要介绍常用线性代数工具。任何数学工具想要从一元推广到多元，比如多元微积分、多元统计，都绕不开线性代数。 《矩阵力量：线性代数全彩图解 + 微课 + Python编程》共 25 章内容，可以归纳为 7 大板块：向量、矩阵、向量空间、矩阵分解、微积分、空间几何、数据。《矩阵力量：线性代数全彩图解 + 微课 + Python编程》在讲解线性代数工具时，会穿插介绍其在数据科学和机器学习领域的应用场景，让大家学以致用。《矩阵力量：线性代数全彩图解 + 微课 + Python编程》读者群包括所有在工作中应用数学的朋友，尤其适用于初级程序员进阶，大学本科数学开窍，高级数据分析师，人工智能开发者。
81
统计至简（概率统计全彩图解 + 微课 + Python编程）
19人今日阅读
数据科学和机器学习已经深度融合到我们生活的方方面面，而数学正是开启未来大门的钥匙。不是所有人生来都握有一副好牌，但是掌握“数学 + 编程 + 机器学习”的知识绝对是**。这一次，学习数学不再是为了考试、分数、升学，而是投资时间、自我实现、面向未来。为了让大家学数学、用数学，甚至爱上数学，在创作时，作者尽量克服传统数学教材的各种弊端，让大家学习时有兴趣、看得懂、有思考、更自信、用得着。 《统计至简：概率统计全彩图解 + 微课 + Python编程》是“鸢尾花数学大系—从加减乘除到机器学习”丛书中数学版块—“数学三剑客”的第三册，也是最后一本。“数学”板块的第一本《数学要素》是各种数学工具的“大杂烩”，可谓数学基础；《矩阵力量》专门讲解机器学习中常用的线性代数工具；本册《统计至简》则介绍机器学习和数据分析中常用的概率统计工具。《统计至简：概率统计全彩图解 + 微课 + Python编程》的核心是“多元统计”，离不开第二册《矩阵力量》中介绍的线性代数工具。《统计至简：概率统计全彩图解 + 微课 + Python编程》内容又可以归纳为 7 大板块——统计、概率、高斯、随机、频率派、贝叶斯派、椭圆。《统计至简：概率统计全彩图解 + 微课 + Python编程》在讲解概率统计工具时，会穿插介绍其在数据科学和机器学习领域的应用场景，让大家学以致用。
19
MATLAB金融风险管理师FRM（高阶实战）
金融风险管理已经成为各个金融机构必备的职能部门。特别是随着全球金融一体化不断发展深入，金融风险管理愈发重要，也日趋复杂。金融风险管理师（FRM）就是在这个大背景下推出的认证考试，FRM现在已经是金融风险管理领域权威的国际认证考试。丛书以FRM考试第一、二级考纲内容为中心，并且突出介绍实际工作所需的金融建模风险管理知识。丛书将金融风险建模知识和MATLAB编程有机地结合在一起，配合丰富的彩色图表，由浅入深地将各种金融概念和计算结果可视化，帮助读者理解金融风险建模核心知识，提高数学和编程水平。本书是本系列图书的第四本，共分12章。在丛书前三册数学内容基础之上，本书前四章继续深入探讨金融建模常用的数学知识。第1章介绍MATLAB重要的功能之一，符号数学运算，这部分内容对之后的数学学习和建模尤为重要。第2章介绍切向量、法向量、线性相关、数据矩阵、投影和正定性等内容。第3章以向量和矩阵运算为基础，继续深入探讨梯度向量、直线、曲线、平面、切面、空间梯度等概念。第4章探讨了常用的圆锥曲线、二次曲线、椭圆、抛物线、双曲线等。这些内容对丛书后续的优化方法、投资组合优化、回归分析、因素分析、因素投资、机器学习等内容至关重要。第5～7章探讨各种优化概念和方法，比如极值、梯度下降、线性规划、拉格朗日乘子法、二次规划、遗传算法、粒子群优化等。这部分内容为之后的投资组合优化三章打下坚实的基础。第8～10章介绍投资组合优化问题。第8章用简单的两个风险资产构成的投资组合介绍各种投资组合优化的核心概念。第9章深入介绍投资组合优化与矩阵运算的结合。第10章探讨MATLAB提供的Portfolio面向对象编程。本书最后两章从优化角度再次深挖几种常见的回归方法，比如最小二乘法、正交回归、主成分分析、主元回归和偏最小二乘回归等。这些内容对丛书后续因素分析、因素投资和人工智能等话题提供理论支撑。本书适合所有金融从业者阅读，特别适合金融编程零基础读者参考学习。本书适合FRM考生备考参考学习，也可以帮助FRM持证者实践金融建模，另外本书也是巩固金融知识、应对金融笔试面试的利器。
编程不难:全彩图解+微课+Python编程
本书是“鸢尾花数学大系—从加减乘除到机器学习”丛书的第一册，也是“编程”板块的第一册， 着重介绍如何零基础入门学 Python 编程。虽然本书主要讲解 Python 编程，但是也离不开数学。本书尽量 避免讲解数学概念公式，而且用图形和近乎口语化的语言描述程序设计、数据分析、机器学习背后常用的 数学思想。 本书分为预备、语法、绘图、数组、数据、数学、机器学习、应用八大板块， 共 36 章， 内容“跨度”极大！ 从 Python 基本编程语法，到基本可视化工具，再到各种数据操作工具，还介绍常用 Python 实现的各种复 杂数学运算，进入数据分析和机器学习之后，还讲解如何搭建应用 App。我们可以把本书看作从 Python 编 程角度对“鸢尾花书”全系内容的总览。 本书提供代码示例和讲解，而且提供习题，每章还配套 Jupyter Notebook 代码文件（Jupyter Notebook 不是可有可无的，而是学习生态的关键一环， “鸢尾花书”强调在 JupyterLab 自主探究学习才能提高大家 编程技能）。本书配套微课也主要以配套 Jupyter Notebooks 为核心，希望读者边看视频，边动手练习。 本书读者群包括所有试图用编程解决问题的朋友，尤其适用于初级程序员进阶、高级数据分析师、机器学习开发者。
机器学习（全彩图解+微课+Python编程）[鸢尾花书系]
本书是“鸢尾花数学大系：从加减乘除到机器学习”丛书的最后一册，前六本解决了编程、可视化、数学、 数据方面的诸多问题，而本书将开启机器学习经典算法的学习之旅。 本书设置了 24 个话题，对应四大类机器学习经典算法（回归、分类、降维、聚类），覆盖算法包括： 回归分析、多元线性回归、非线性回归、正则化回归、贝叶斯回归、高斯过程、k 最近邻分类、朴素贝叶 斯分类、高斯判别分析、支持向量机、核技巧、决策树、主成分分析、截断奇异值分解、主成分分析进阶、 主成分分析与回归、核主成分分析、典型相关分析、 k 均值聚类、高斯混合模型、最大期望算法、层次聚类、 密度聚类、谱聚类。 本书选取算法模型的目标是覆盖 Scikit-Learn 库的常用机器学习算法函数，让读者充分理解算法理论， 又能联系实际应用。因此，在学习本书时，特别希望调用 Scikit-Learn 各种函数来解决问题之余，更要理解 算法背后的数学工具。因此，本书给出适度的数学推导以及扩展阅读。 本书提供代码示例和视频讲解，“鸢尾花书”强调在 JupyterLab 自主探究学习才能提高编程技能。本 书配套微课也主要以配套 Jupyter Notebooks 为核心，希望读者边看视频，边动手练习。 本书读者群包括所有试图用机器学习解决问题的朋友，尤其适用于机器学习入门、初级程序员转型、 高级数据分析师、机器学习进阶。
数据有道
《数据有道 : 数据分析 图论与网络 微课 Python编程》是“鸢尾花数学大系—从加减乘除到机器学习”丛书的第三板块 ( 实践板块 ) 中的一本关于数据 科学的分册。“实践”这个板块，我们将会把学到的编程、可视化， 特别是数学工具应用到具体的数据科学、 机器学习算法中，并在实践中加深对这些工具的理解。 《数据有道 : 数据分析 图论与网络 微课 Python编程》可以归纳为 7 大板块—数据说、数据处理、时间数据、图论基础、图的分析、图与矩阵、图论实践。 这 7 个板块 ( 共 25 章内容 ) 都紧紧围绕一个主题—数据！ 《数据有道 : 数据分析 图论与网络 微课 Python编程》以数据为名，以好奇心和疑问为驱动，主动使用“编程 可视化 数学”工具进行探索。《数据有道 : 数据分析 图论与网络 微课 Python编程》将 会回顾鸢尾花书前五本主要的工具，让大家对很多概念从似懂非懂变成如数家珍；同时，我们还会掌握更 多工具，用来扩展大家的知识网络。 依照惯例，《数据有道 : 数据分析 图论与网络 微课 Python编程》提供代码和视频教学。 《数据有道 : 数据分析 图论与网络 微课 Python编程》读者群包括数据科学从业者、大数据从业者、高级数据分析师、机器学习开发者、计算机图形学 研究者等。
拯救我的大学英语
《拯救我的大学英语》是一本包罗生活、学习、成长和就业等方面的校园小百科。全书共分为四章：HavingFun on CampUS玩转校园，Studying towards Success学而为赢，Broadening Your Horizon见多识广，From Campus to Work迈人职场。各章节语言难度不断加深，同时思想性和专业性也不断提高。《拯救我的大学英语》可供大学本科生、研究生及各阶段英语学习爱好者参考使用。
拯救我的新GRE写作
《拯救我的出国考试写作系列：拯救我的新GRE写作（Issue）》针对2011年GRE考试改革的具体变化，为读者提供简明实用的新GREIssue应试策略及写作指导，复杂性和批判性思维方法；详细解析新GREIssue5大类84个Issue话题，帮助读者培养自主分析Issue的应试能力；同时给出190篇写作素材、61类名人名言、近100位名人史料、超过3500个关键词替换供读者参考。希望读者能够在《拯救我的出国考试写作系列：拯救我的新GRE写作（Issue）》的帮助下，多背多记，勤做练习，开发一套自己的写作模板，从而轻松掌控Issue写作的考试节奏，为在较短的时间内攻克GRE写作做好充分准备。
拯救我的托福话题英语·探索篇
《拯救我的托福话题英语：拯救我的托福话题英语·探索篇》适合中高级英语学习者，特别针对托福考试的考生，也适合其他英语爱好者参考。
拯救我的出国考试写作系列：拯救我的新GRE写作（Argument）
《拯救我的出国考试写作系列：拯救我的新GRE写作（Argument）》正文共分为四个部分：第一部分：有关RevisedGREArgument介绍；第二部分：Argument写作方法；第三部分：Argument主要逻辑谬误及应对；第四部分：Argument高频题目分析。
拯救我的出国考试写作系列：拯救我的SAT写作
SAT考试分为三个项目：写作、数学和批判性阅读。SAT写作是SAT考试的第一部分。《拯救我的出国考试写作系列：拯救我的SAT写作》介绍SAT写作的结构和话题分类，并提供SAT写作的素材。《拯救我的出国考试写作系列：拯救我的SAT写作》的SAT写作素材分为8个主题，包括“商业与发明”“哲学与文学”“科学与探索”“政治与权力”“社会与变革”“艺术与流行”“音乐与演艺”和“挑战与竞技”，以上每个话题为一个章节，每个章节包括名人事例和他们脍炙人口的名言。《拯救我的出国考试写作系列：拯救我的SAT写作》最后列有人物的索引和重要历史事件表，便于读者查阅。
拯救我的出国考试写作系列：拯救我的TOEFL写作（Writing）
《拯救我的出国考试写作系列：拯救我的TOEFL写作（Writing）》针对托福写作部分，为考生提供全新优化备考方案，包括详尽的托福写作指导和实用的语料素材。写作指导旨在解决考生在写作中的实际难题，如文章组织、文章发展和语言组织三大方面的内容，帮助考生开发出自己的写作模板，从而轻松应考；针对大多考生在写作中的短板，如语言组织过于简单、语料匮乏等情况，《拯救我的出国考试写作系列：拯救我的TOEFL写作（Writing）》将托福历年考题分成8个大类，为考生提供相关类别的常考话题语料和素材。同时，还给出超过8000个常用短语，近20类、超过200句常用名言，希望考生能够在平时写作中反复练习使用，在实战中灵活应用。