资源详情

程序员数学用Python学透线性代数和微积分（图灵出品）

作者: [美] 保罗·奥兰德
出版社: 图灵|人民邮电出版社
出品方: 图灵教育
副标题: 用Python学透线性代数和微积分
原作名: Math for Programmers: 3D Graphics, Machine Learning, and Simulations with Python
译者: 百度KFive
出版年: 2021-12
页数: 513
定价: 129.80元
装帧: 平装
丛书: 图灵程序设计丛书·程序员的数学
ISBN: 9787115576491

下载次数：31

本站推荐

下载地址

举报资源

书籍资料

内容简介
作者介绍
书籍目录

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。
◎ 编辑推荐
本书以图文结合的方式帮助你用Python代码解决程序设计中的数学问题。通过边学边练，你会发现线性代数和微积分的重要概念跃然纸上、印在脑中。
◇ 向量几何和计算机图形
◇ 矩阵和线性变换
◇ 微积分的核心概念
◇ 仿真和优化
◇ 图像处理和音频处理
◇ 用于回归和分类的机器学习算法
◎ 内容简介
代码和数学是相知相惜的好伙伴，它们基于共同的理性思维，数学公式的推导可以自然地在编写代码的过程中展开。
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。通过Python代码和300多个练习，读者将掌握二维向量、三维向量、矩阵变换、线性方程、微积分、线性回归、逻辑回归、梯度下降等。
◎ 名人推荐
“这本书循序渐进地介绍了程序员应该掌握的有用的数学概念。”
——Christopher Haupt，Swoogo公司工程副总裁
“这本书严谨而简明地概述了对现代编程起支撑作用的数学知识。”
——Dan Sheikh，BCG Digital Ventures公司工程师
“实用、引人入胜。推荐所有程序员阅读。”
——Vincent Zhu，RethinkXSocial网站联合创始人兼CTO
“这本书为需要提高数学技能的程序员建造了一座桥梁，使数学不再那么神秘、那么难以理解。”
——Robert Walsh，Excalibur Solutions公司总裁

◎ 著者简介
保罗·奥兰德（Paul Orland），硅谷创业公司Tachyus的联合创始人兼CEO，拥有耶鲁大学数学学士学位和华盛顿大学物理学硕士学位，曾任微软公司软件开发工程师，近10年来一直致力于使用数学和函数式编程来优化能源生产。
◎ 译者简介
百度KFive，KFive是百度App大前端团队，成员涵盖PC端和手机百度的大前端研发者。在业务支持之外，KFive研究的技术方向还包括前端基础架构、跨端开发、Node.js、端智能和前端智能化等，并且积累了丰富的产出。KFive的名称不仅来源于起初的办公地点在百度科技园五号楼，更体现了其对软件开发的理解，即“五Key”：Key1者，精益求精；Key2者，大巧不工；Key3者，独运匠心；Key4者，百炼千锤；Key5者，善始善终。

第1章通过代码学数学1
1．1使用数学和软件解决商业问题2
1．2如何高效学习数学9
1．3用上你训练有素的左脑11
1．4小结14
第一部分向量和图形
第2章二维向量绘图16
2．1二维向量绘图16
2．2平面向量运算25
2．3平面上的角度和三角学41
2．4向量集合的变换57
2．5用Matplotlib绘图61
2．6小结62
第3章上升到三维世界63
3．1在三维空间中绘制向量64
3．2三维空间中的向量运算70
3．3点积：测量向量对齐78
3．4向量积：测量定向区域88
3．5在二维平面上渲染三维对象96
3．6小结102
第4章变换向量和图形103
4．1变换三维对象105
4．2线性变换117
4．3小结132
第5章使用矩阵计算变换134
5．1用矩阵表示线性变换135
5．2不同形状矩阵的含义148
5．3用矩阵平移向量163
5．4小结174
第6章高维泛化176

6．1泛化向量的定义177
6．2探索不同的向量空间188
6．3寻找更小的向量空间205
6．4小结220
第7章求解线性方程组222
7．1设计一款街机游戏223
7．2找到直线的交点227
7．3将线性方程泛化到更高维度240
7．4通过解线性方程来改变向量的基253
7．5小结257
第二部分微积分和物理仿真
第8章理解变化率261
8．1根据体积计算平均流速262
8．2绘制随时间变化的平均流速266
8．3瞬时流速的近似值271
8．4体积变化的近似值278
8．5绘制随时间变化的体积图283
8．6小结290
第9章模拟运动的对象291
9．1模拟匀速运动291
9．2模拟加速295
9．3深入研究欧拉方法296
9．4用更小的时间步执行欧拉方法300
9．5小结305
第10章使用符号表达式306
10．1用计算机代数系统计算精确的导数309
10．2．1将表达式拆分成若干部分310
10．2．3使用Python语言实现表达式树311
10．2．4练习313
10．3符号表达式的应用315
10．4求函数的导数323
10．5自动计算导数330
10．6符号化积分函数335
10．7小结338
第11章模拟力场339
11．1用向量场对引力建模339
11．2引力场建模342
11．3把引力加入小行星游戏345
11．4引入势能350
11．5．1用横截面测量陡度354
11．5．2计算偏导数356
11．5．3用梯度求图形的陡度357
11．5．4用势能的梯度计算力场359
11．5．5练习361
11．6小结364
第12章优化物理系统365
12．1测试炮弹模拟器367
12．2计算最佳射程373
12．3增强模拟器381
12．4利用梯度上升优化范围388
12．5小结399
第13章用傅里叶级数分析声波400
13．1声波的组合和分解401
13．2用Python播放声波402
13．3把正弦波转化为声音406
13．4组合声波得到新的声波412
13．5将声波分解为傅里叶级数419
13．6小结428
第三部分机器学习的应用
第14章数据的函数拟合431
14．1衡量函数的拟合质量433
14．2探索函数空间441
14．3使用梯度下降法寻找最佳拟合线445
14．4非线性函数拟合448
14．5小结453
第15章使用logistic回归对数据分类455
15．1用真实数据测试分类函数456
15．2绘制决策边界460
15．3将分类问题构造为回归问题464
15．4探索可能的logistic函数471
15．5寻找最佳logistic函数477
15．6小结483
第16章训练神经网络484
16．1用神经网络对数据进行分类485
16．2手写数字图像分类486
16．3设计神经网络491
16．4用Python构建神经网络499
16．5使用梯度下降法训练神经网络504
16．6使用反向传播计算梯度509
16．7小结513
附录A准备Python（图灵社区下载）
附录BPython技巧和窍门（图灵社区下载）
附录C使用OpenGL和PyGame加载和渲染三维模型（图灵社区下载）
附录D数学符号参考（图灵社区下载）