スタンフォード ベクトル・行列からはじめる最適化数学 [単行本]
    • スタンフォード ベクトル・行列からはじめる最適化数学 [単行本]

    • ¥4,950149 ゴールドポイント(3%還元)
    • 在庫あり2024年11月17日日曜日までヨドバシエクストリームサービス便(無料)がお届け
スタンフォード ベクトル・行列からはじめる最適化数学 [単行本]
画像にマウスを合わせると上部に表示
100000009003379447

スタンフォード ベクトル・行列からはじめる最適化数学 [単行本]

  • 5.0
価格:¥4,950(税込)
ゴールドポイント:149 ゴールドポイント(3%還元)(¥149相当)
フォーマット:
お届け日:在庫あり今すぐのご注文で、2024年11月17日日曜日までヨドバシエクストリームサービス便(無料)がお届けします。届け先変更]詳しくはこちら
出版社:講談社
販売開始日: 2021/02/27
お取り扱い: のお取り扱い商品です。
ご確認事項:返品不可

カテゴリランキング

店舗受け取りが可能です
マルチメディアAkibaマルチメディア梅田マルチメディア博多にて24時間営業時間外でもお受け取りいただけるようになりました

スタンフォード ベクトル・行列からはじめる最適化数学 の 商品概要

  • 要旨(「BOOK」データベースより)

    本書で説明する考え方と手法は、データからの予測モデルの構築や、画像の強調、投資ポートフォリオの最適化などの実際の問題に通用する。現在のデータサイエンスやさまざまな分野の応用の背後にある基本的な考え方が身につく。
  • 目次

    第1部 ベクトル
    1章 ベクトル
    1.1 ベクトル
    1.2 ベクトルの和
    1.3 ベクトルスカラー積
    1.4 内積
    1.5 ベクトル計算の計算量

    2章 線形関数
    2.1 線形関数
    2.2 テイラー近似
    2.3 回帰モデル

    3章 ノルムと距離
    3.1 ノルム
    3.2 距離
    3.3 標準偏差
    3.4 角度
    3.5 計算量

    4章 クラスタリング
    4.1 クラスタリング
    4.2 クラスタリングの目的関数
    4.3 k平均法
    4.4 例
    4.5 応用

    5章 線形独立
    5.1 線形従属
    5.2 基底
    5.3 正規直交ベクトル
    5.4 グラム・シュミット法

    第2部 行列
    6章 行列
    6.1 行列
    6.2 ゼロ行列と単位行列
    6.3 転置,和,ノルム
    6.4 行列ベクトル積
    6.5 計算量

    7章 行列の例
    7.1 幾何変換
    7.2 要素選択行列
    7.3 接続行列
    7.4 畳み込み

    8章 線形連立方程式
    8.1 線形関数とアフィン関数
    8.2 線形関数モデル
    8.3 連立方程式

    9章 線形動的システム
    9.1 線形動的システム
    9.2 人口動態モデル
    9.3 感染症モデル
    9.4 物体の運動
    9.5 サプライチェーンのダイナミクス

    10章 行列積
    10.1 行列積
    10.2 線形関数の合成
    10.3 行列の冪
    10.4 QR分解

    11章 逆行列
    11.1 左逆行列と右逆行列
    11.2 逆行列
    11.3 連立方程式を解く
    11.4 例
    11.5 擬似逆行列

    第3部 最小二乗法
    12章 最小二乗法
    12.1 最小二乗問題
    12.2 解
    12.3 最小二乗問題を解く
    12.4 例

    13章 最小二乗当てはめ
    13.1 最小二乗データ当てはめ
    13.2 検証
    13.3 特徴エンジニアリング

    14章 最小二乗識別
    14.1 識別
    14.2 最小二乗識別器
    14.3 多クラス識別器

    15章 多目的最小二乗法
    15.1 多目的最小二乗法
    15.2 制御
    15.3 逆問題
    15.4 正則化付きデータ当てはめ
    15.5 計算量

    16章 制約付き最小二乗法
    16.1 制約付き最小二乗問題
    16.2 解法
    16.3 制約付き最小二乗問題を解く

    17章 制約付き最小二乗法の応用
    17.1 ポートフォリオ最適化
    17.2 線形2次制御
    17.3 線形2次状態推定

    18章 非線形最小二乗法
    18.1 非線形方程式と最小二乗法
    18.2 ガウス・ニュートン法
    18.3 レーベンバーグ・マーカート法
    18.4 非線形モデル当てはめ
    18.5 非線形最小二乗識別

    19章 制約付き非線形最小二乗法
    19.1 制約付き非線形最小二乗法
    19.2 ペナルティ法
    19.3 拡張ラグランジュ法
    19.4 非線形制御

    付録
  • 出版社からのコメント

    豊富な事例を示しながら、ベクトル・行例の基本から最小二乗法による機械学習までをていねに解説。数学の学び直しにうってつけ!
  • 内容紹介


    《これが世界標準! 世界もここから始めてる!!》
    データサイエンス・機械学習を学ぶ「はじめの一歩」として、スタンフォード大学にて使用されている教科書“Introduction to Applied Linear Algebra: Vectors, Matrices, and Least Squares”がついに翻訳!!

    ・豊富な事例を示しながら、ベクトル・行列の基本から最小二乗法による機械学習までをていねいに解説!
    ・データサイエンス・機械学習に必要な数学の学び直しにうってつけ!
    ・章末問題が298問掲載されているから、完全に理解できる!
    ・Julia言語によるプログラミング課題が原著者のウェブサイトから入手できる! 
    ・プログラミング課題を日本語に翻訳したものを、訳者のGitHubにて無料公開!

    【プログラミングの補足資料と追加の演習問題の入手先】
    ・原著者のウェブサイト:http://vmls-book.stanford.edu
    ・補足資料の日本語訳:https://github.com/tttamaki/julia_companion_jp

    【推薦の言葉:原著刊行にあたって】
    データサイエンスの学生だけでなく,すべての学生に必読の入門書
    ――ローラン・EI・ガウイ(カリフォルニア大学バークレー校)

    これが正攻法!
    ――ギルバート・ストラング(マサチューセッツ工科大学)

    この本は多くの授業で使われるだろう.これだけ演習問題が大量にあるのだから
    ――トレバー・ヘイスティ(スタンフォード大学)

    【主な内容】
    第1部 ベクトル
    1章 ベクトル
    2章 線形関数
    3章 ノルムと距離
    4章 クラスタリング
    5章 線形独立

    第2部 行列
    6章 行列
    7章 行列の例
    8章 線形連立方程式
    9章 線形動的システム
    10章 行列積
    11章 逆行列

    第3部 最小二乗法
    12章 最小二乗法
    13章 最小二乗当てはめ
    14章 最小二乗識別
    15章 多目的最小二乗法
    16章 制約付き最小二乗法
    17章 制約付き最小二乗法の応用
    18章 非線形最小二乗法
    19章 制約付き非線形最小二乗法

    付録A 記法
    付録B 計算量
    付録C 微分と最適化
    付録D さらなる話題
  • 著者紹介(「BOOK著者紹介情報」より)(本データはこの書籍が刊行された当時に掲載されていたものです)

    ボイド,ステファン(ボイド,ステファン/Boyd,Stephen)
    スタンフォード大学工学部サムスン教授。電気工学科の教授であり、コンピュータサイエンス学科および経営科学工学科を兼任

    ヴァンデンベルグ,リーヴェン(ヴァンデンベルグ,リーヴェン/Vandenberghe,Lieven)
    カリフォルニア大学ロサンゼルス校の電気コンピュータ工学科の教授であり、数学科を兼任

    玉木 徹(タマキ トオル)
    名古屋工業大学教授。コンピュータビジョンと画像認識の研究に従事
  • 著者について

    ステファン・ボイド (ステファン ボイド)
    スタンフォード大学工学部サムスン教授.電気工学科の教授であり,コンピュータサイエンス学科および経営科学工学科を兼任.
    ヴァンデンベルグとの共著書に「凸最適化」(Convex Optimization, Cambridge, 2004, 未訳)がある.

    リーヴェン・ヴァンデンベルグ (リーヴェン ヴァンデンベルグ)
    カリフォルニア大学ロサンゼルス校の電気コンピュータ工学科の教授であり,数学科を兼任.
    ボイドとの共著書に「凸最適化」(Convex Optimization, Cambridge, 2004, 未訳)がある.

    玉木 徹 (タマキ トオル)
    2001年,名古屋大学大学院工学研究科博士課程後期修了. 博士(工学).新潟大学 助手,広島大学准教授を経て,2020年10月より名古屋工業大学教授.専門はコンピュータビジョン,画像認識.翻訳書として,『Pythonで体験するベイズ推論』(森北出版,2017),『統計的学習の基礎』(共訳,共立出版,2014)などがある.

スタンフォード ベクトル・行列からはじめる最適化数学 の商品スペック

商品仕様
出版社名:講談社
著者名:ステファン ボイド(著)/リーヴェン ヴァンデンベルグ(著)/玉木 徹(訳)
発行年月日:2021/02/25
ISBN-10:4065161967
ISBN-13:9784065161968
判型:B5
対象:専門
発行形態:単行本
内容:数学
言語:日本語
ページ数:507ページ
縦:24cm
横:19cm
その他: 原書名: Introduction to Applied Linear Algebra:Vectors,Matrices,and Least Squares〈Boyd,Stephen;Vandenberghe,Lieven〉
他の講談社の書籍を探す

    講談社 スタンフォード ベクトル・行列からはじめる最適化数学 [単行本] に関するレビューとQ&A

    商品に関するご意見やご感想、購入者への質問をお待ちしています!