互联网 类型
9.3 豆瓣评分
可以朗读 语音朗读
373千字 字数
2021-12-01 发行日期
展开全部

主编推荐语

本书带领程序员使用自己熟知的工具，即代码，来理解机器学习和游戏设计中的数学知识。

内容简介

数学拥有无穷的力量。它既帮助游戏开发工程师建模物理世界，也帮助量化金融分析师赚取利润，还帮助音频处理工程师制作音乐。

在数据科学和机器学习领域，数学知识更是不可或缺的。有人热爱数学，将它比作诗歌，为之着迷一生；有人很难领会数学的妙处，受困于“数学焦虑症”。

本书正是为了帮助程序员消除这种焦虑，用自己熟悉的工具，即代码，重新发现数学之美。

目录

  • 版权信息
  • 献词
  • 译者序
  • 前言
  • 致谢
  • 关于本书
  • 关于封面
  • 第1章 通过代码学数学
  • 1.1 使用数学和软件解决商业问题
  • 1.2 如何高效学习数学
  • 1.3 用上你训练有素的左脑
  • 1.4 小结
  • 第一部分 向量和图形
  • 第2章 二维向量绘图
  • 2.1 二维向量绘图
  • 2.2 平面向量运算
  • 2.3 平面上的角度和三角学
  • 2.4 向量集合的变换
  • 2.5 用Matplotlib绘图
  • 2.6 小结
  • 第3章 上升到三维世界
  • 3.1 在三维空间中绘制向量
  • 3.2 三维空间中的向量运算
  • 3.3 点积：测量向量对齐
  • 3.4 向量积：测量定向区域
  • 3.5 在二维平面上渲染三维对象
  • 3.6 小结
  • 第4章 变换向量和图形
  • 4.1 变换三维对象
  • 4.2 线性变换
  • 4.3 小结
  • 第5章 使用矩阵计算变换
  • 5.1 用矩阵表示线性变换
  • 5.2 不同形状矩阵的含义
  • 5.3 用矩阵平移向量
  • 5.4 小结
  • 第6章 高维泛化
  • 6.1 泛化向量的定义
  • 6.2 探索不同的向量空间
  • 6.3 寻找更小的向量空间
  • 6.4 小结
  • 第7章 求解线性方程组
  • 7.1 设计一款街机游戏
  • 7.2 找到直线的交点
  • 7.3 将线性方程泛化到更高维度
  • 7.4 通过解线性方程来改变向量的基
  • 7.5 小结
  • 第二部分 微积分和物理仿真
  • 第8章 理解变化率
  • 8.1 根据体积计算平均流速
  • 8.2 绘制随时间变化的平均流速
  • 8.3 瞬时流速的近似值
  • 8.4 体积变化的近似值
  • 8.5 绘制随时间变化的体积图
  • 8.6 小结
  • 第9章 模拟运动的对象
  • 9.1 模拟匀速运动
  • 9.2 模拟加速
  • 9.3 深入研究欧拉方法
  • 9.4 用更小的时间步执行欧拉方法
  • 9.5 小结
  • 第10章 使用符号表达式
  • 10.1 用计算机代数系统计算精确的导数
  • 10.2 代数表达式建模
  • 10.3 符号表达式的应用
  • 10.4 求函数的导数
  • 10.5 自动计算导数
  • 10.6 符号化积分函数
  • 10.7 小结
  • 第11章 模拟力场
  • 11.1 用向量场对引力建模
  • 11.2 引力场建模
  • 11.3 把引力加入小行星游戏
  • 11.4 引入势能
  • 11.5 用梯度连接能量和力
  • 11.6 小结
  • 第12章 优化物理系统
  • 12.1 测试炮弹模拟器
  • 12.2 计算最佳射程
  • 12.3 增强模拟器
  • 12.4 利用梯度上升优化范围
  • 12.5 小结
  • 第13章 用傅里叶级数分析声波
  • 13.1 声波的组合和分解
  • 13.2 用Python播放声波
  • 13.3 把正弦波转化为声音
  • 13.4 组合声波得到新的声波
  • 13.5 将声波分解为傅里叶级数
  • 13.6 小结
  • 第三部分 机器学习的应用
  • 第14章 数据的函数拟合
  • 14.1 衡量函数的拟合质量
  • 14.2 探索函数空间
  • 14.3 使用梯度下降法寻找最佳拟合线
  • 14.4 非线性函数拟合
  • 14.5 小结
  • 第15章 使用logistic回归对数据分类
  • 15.1 用真实数据测试分类函数
  • 15.2 绘制决策边界
  • 15.3 将分类问题构造为回归问题
  • 15.4 探索可能的logistic函数
  • 15.5 寻找最佳logistic函数
  • 15.6 小结
  • 第16章 训练神经网络
  • 16.1 用神经网络对数据进行分类
  • 16.2 手写数字图像分类
  • 16.3 设计神经网络
  • 16.4 用Python构建神经网络
  • 16.5 使用梯度下降法训练神经网络
  • 16.6 使用反向传播计算梯度
  • 16.7 小结
  • 附录A 准备Python
  • A.1 检查现有Python安装
  • A.2 下载并安装Anaconda
  • A.3 在交互模式下使用Python
  • 附录B Python技巧和窍门
  • B.1 Python中的数和数学
  • B.2 Python中的数据集合类
  • B.3 使用函数
  • B.4 用Matplotlib绘制数据
  • B.5 Python中的面向对象编程
  • 附录C 使用OpenGL和PyGame加载和渲染三维模型
  • C.1 重现第3章中的八面体
  • C.2 变换视角
  • C.3 加载和渲染犹他茶壶
  • C.4 练习
  • 附录D 数学符号参考
  • 作者简介
展开全部

评分及书评

尚无评分
目前还没人评分
  • 加载中...

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。