スキップしてメイン コンテンツに移動

Dr. Mint Publikationsliste (Deutsch ver)

  Mint Publishing has published the following books.



 Der Mint Verlag hat die folgenden Bücher veröffentlicht.


Sie sind alle leicht verständlich und sorgfältig erklärt, so dass Sie sie von Grund auf verstehen können.

Die folgenden Reihen sind jetzt erhältlich.

  •  Reihe Künstliche Intelligenz 
  •  Reihe Mathematik 
  •  Reihe Physik 
  •  Reihe Bildverarbeitung 
  •  Reihe Numerische Berechnungen und Analysen 
  •  Reihe Python 
  •  Reihe R


Die Serien sind so organisiert, dass Sie mit der Serie beginnen können, die Sie interessiert, oder Sie können mit dem ersten Band der Serie in der Reihenfolge beginnen. Durch das Hin- und Herwechseln zwischen den Reihen ist der Inhalt in hohem Maße synergetisch miteinander.

Jedes der Bücher ist unten aufgeführt.
(Weitere Informationen zu jedem Buch finden Sie auf der jeweiligen Buchseite).



Reihe Künstliche Intelligenz 

 [1]. Perceptrons verstehen: Eine Grundlage für Deep Learning

 (in Kürze)

 

[2]. Understanding the Improved Perceptron (Der Vorfahre des Deep Learning)

Wenn Sie ADALINE lernen wollen, empfehlen wir Ihnen dieses Buch (Zugang hier).

 

 

 [3]. Lineare Regression von Grund auf verstehen

Wenn Sie lineare Regression lernen wollen, empfehlen wir Ihnen dieses Buch (Zugang hier).

 

 

[4]. Logistische Regression von Grund auf verstehen 

Wenn Sie die logistische Regression lernen möchten, empfehlen wir Ihnen dieses Buch (Zugang hier).


[5]. K-Nächste Nachbarn von Grund auf verstehen

Wenn Sie die k-Nächste-Nachbarn-Methode (Nearest Neighbor Method) erlernen möchten, empfehlen wir Ihnen dieses Buch (Zugang hier).



[6]. Multiple Regression von Grund auf verstehen

Wenn Sie die multiple Regressionsanalyse erlernen möchten, empfehlen wir Ihnen dieses Buch (Zugang hier).



[7]. Entscheidungsbäume: Ein Leitfaden für Anfänger


Wenn Sie Entscheidungsbäume lernen wollen, empfehlen wir Ihnen dieses Buch (Zugang hier).



[8]. Die Bootstrap-Methode von Grund auf verstehen

Für diejenigen, die die Bootstrap-Methode erlernen möchten, empfehlen wir dieses Buch (Zugang hier).

 

 

[9]. Random Forests von Grund auf verstehen

Wenn Sie Random Forest lernen wollen, empfehlen wir Ihnen dieses Buch (Zugang hier).



[10]. Entscheidungsbaum-Regression von Grund auf verstehen

Wenn Sie die Entscheidungsbaum-Regression lernen möchten, empfehlen wir Ihnen dieses Buch (Zugang hier).

 

 

[11]. Support Vector Machines von Grund auf verstehen

Wenn Sie Support Vector Machines lernen möchten, empfehlen wir Ihnen dieses Buch (hier klicken).

 

 

[12]. AdaBoost von Grund auf verstehen

Wenn Sie AdaBoost lernen wollen, empfehlen wir Ihnen dieses Buch (hier klicken).

 

 

[13]. Die k-Nächste-Nachbarn-Regression von Grund auf verstehen 

Wenn Sie daran interessiert sind, k-Nearest Neighbor Regression zu lernen, empfehlen wir Ihnen dieses Buch (Zugang hier).

 

 

[14]. Die Random Forest Regression von Grund auf verstehen

Wenn Sie daran interessiert sind, die Random Forest Regression zu lernen, empfehlen wir Ihnen dieses Buch (Zugang hier).

 

 

[15]. Support-Vektor-Regression von Grund auf verstehen

Wenn Sie die Support Vector Regression lernen möchten, empfehlen wir Ihnen dieses Buch (Zugang hier).

 

 

[16]. Clusteranalyse von Grund auf verstehen: K-Means-Methode ①

 (erscheint demnächst)

  
[17].  Principal Component Analysis von Grund auf verstehen

 (erscheint demnächst)

 
[18]. Datenvisualisierung von Grund auf verstehen

(erscheint demnächst)

 
[19]. Deskriptive Statistik von Grund auf verstehen 

 (demnächst)

 
[20]. Verstehen von Wahrscheinlichkeit und Wahrscheinlichkeitsverteilungen von Grund auf 

 (erscheint demnächst)

 

[21]. Verständnis von Stichprobenerhebungen und Schätzungen: Von Null bis zur Meisterschaft 

 

Wenn Sie etwas über Stichprobenerhebungen und Schätzungen lernen möchten, empfehlen wir Ihnen dieses Buch (Zugang hier).


 

Reihe Mathematik 

 [1]. Trigonometrie von Grund auf verstehen: Sinus, Kosinus und Tangens

 Wenn Sie Trigonometrie lernen möchten, empfehlen wir dieses Buch (Zugang hier).
 
 

[2]. Exponentialfunktionen von Grund auf verstehen 

Wenn Sie Exponentialfunktionen lernen möchten, empfehlen wir Ihnen dieses Buch (hier klicken).

 

 

[3]. Logarithmische Funktionen von Grund auf verstehen

Wenn Sie logarithmische Funktionen lernen möchten, empfehlen wir Ihnen dieses Buch (hier klicken).



[4]. Reziproke Funktionen von Grund auf verstehen


Wenn Sie etwas über reziproke Funktionen lernen möchten, empfehlen wir Ihnen dieses Buch (klicken Sie hier, um Zugang zu erhalten).



[5]. Differentialgleichungen trennbarer Variablen von Grund auf verstehen

Wenn Sie etwas über ‚Differentialgleichungen‘ trennbarer Variablen lernen möchten, empfehlen wir Ihnen dieses Buch (Zugang hier).


[6]. Hyperbolische Funktionen von Grund auf verstehen

Wenn Sie die "Differentialgleichungen" hyperbolischer Funktionen kennen lernen möchten, empfehlen wir Ihnen dieses Buch (Zugang hier).
 


 

[7]. Verstehen von Differentialgleichungen, die mit Variation der Parameter gelöst werden

 


Wenn Sie mehr über das Lösen von Differentialgleichungen mit Variation der Parameter erfahren möchten, empfehlen wir Ihnen dieses Buch (Zugang hier).



[8]. Lineare Differenzialgleichungen mit konstanten Koeffizienten verstehen

Wenn Sie daran interessiert sind, lineare Differentialgleichungen mit konstanten Koeffizienten zu lernen, empfehlen wir Ihnen dieses Buch (hier klicken).



 
Physik-Reihe 
 (in Kürze)
 
 

Reihe Bildverarbeitung 

[1]. Aufbau einer Umgebung für die Bildverarbeitung 

Wenn Sie Bildverarbeitung lernen wollen, empfehlen wir Ihnen dieses Buch (Zugang hier).
 
 


 [2]. Erste Schritte in den Grundlagen der Bildverarbeitung

Wenn Sie die Bildverarbeitung erlernen möchten, empfehlen wir Ihnen dieses Buch (Zugang hier).



[3]. Binarisierung von Bildern

Wenn Sie sich für die Welt der Binarisierung interessieren, empfehlen wir Ihnen die folgenden Bücher! (Zugang hier)

 

 

[4]. Was ist Bildkomprimierung?

Wenn Sie sich für das Thema Bildkompression interessieren, lesen Sie bitte auch die folgenden Bücher! (Zugang hier)

  

 

 Numerische Berechnungen und Analysereihen 

 [1]. Interpolation von Grund auf verstehen

Wenn Sie daran interessiert sind, die Interpolation zu erlernen, empfehlen wir Ihnen dieses Buch (hier klicken, um Zugang zu erhalten).

 

 

[2]. Die Euler-Methode von Grund auf verstehen 

 


Wenn Sie daran interessiert sind, die Euler-Methode zu erlernen, empfehlen wir Ihnen dieses Buch (Zugang hier).
 
 
[3]. Die modifizierte Euler-Methode (Heunsche Methode) von Grund auf verstehen

 (in Kürze)

 
 
Python Reihen 
 (demnächst)
 
 
R-Reihe
(demnächst)

コメント

コメントを投稿

このブログの人気の投稿

Understanding Probability and Probability Distributions from Scratch

 In modern society, we are surrounded by various uncertainties and random phenomena. From the weather and stock prices to the outcomes of sports and even small daily choices, the concepts of probability and probability distributions are powerful tools for understanding these uncertainties quantitatively. This article explains what probability and probability distributions are, where they are used, and the benefits of learning these concepts. 1. What are Probability and Probability Distributions? Probability is a way of expressing the likelihood of an event occurring as a number between 0 and 1. 0 means the event will not occur, and 1 means the event will definitely occur. The mathematical thinking behind probability is often subtly present when we talk about the “likelihood” of something happening in everyday life. A probability distribution systematically represents all possible outcomes and the probability of each outcome. - Discrete Probability Distribution This applies to distr...
コメントを投稿
続きを読む

Entendiendo la Regresión de Bosques Aleatorios desde Cero

En el panorama actual de la ciencia de datos, los algoritmos capaces de manejar eficazmente relaciones no lineales e interacciones complejas están muy demandados. Entre estos, la Regresión de Bosques Aleatorios destaca como una técnica flexible y potente, logrando una alta precisión predictiva al combinar numerosos modelos de regresión de árboles de decisión. Este artículo explica los conceptos básicos de la Regresión de Bosques Aleatorios, los escenarios donde sus fortalezas se utilizan mejor y los beneficios de aprender esta técnica. 1. ¿Qué es la Regresión de Bosques Aleatorios? La Regresión de Bosques Aleatorios es una técnica de regresión que integra múltiples modelos de regresión de árboles de decisión en forma de “aprendizaje conjunto” (ensemble learning). – Principios Básicos Cada árbol de decisión se construye utilizando muestras bootstrap (remuestreo de los datos) del conjunto de entrenamiento. Además, las características utilizadas para la división en cada nodo se selecciona...
コメントを投稿
続きを読む

Understanding Differential Equations Solved with Variation of Parameters

1. What are Differential Equations Solved with Variation of Parameters? Differential equations are a powerful tool for mathematically capturing changing phenomena. Among these, the “method of variation of parameters” is a particularly useful technique for solving non-homogeneous linear differential equations. The general solution to a homogeneous differential equation is known, expressed by a combination of constants (constant coefficients).  However, this cannot be directly solved when a non-homogeneous term (corresponding to an external influence or input) is added. Therefore, the method of variation of parameters takes an approach of replacing the original constant parts with (unknown) functions and determining the shape of those functions through differentiation. This method allows the construction of a complete solution including the non-homogeneous term.  Due to its flexibility in handling various systems – such as when the non-homogeneous term is an exponential function...
コメントを投稿
続きを読む