スキップしてメイン コンテンツに移動

Dr. Mint Publication List (English ver)

 Mint Publishing has published the following books.


All of them are easy to understand and carefully explained so that you can understand them from scratch.

The following series are available now.

  • Artificial Intelligence Series 
  • Mathematics Series 
  • Physics Series 
  • Image Processing Series 
  • Numerical Computation and Analysis Series 
  • Python Series 
  • R Series

The series is organized in such a way that you can learn from the one you are interested in, or you can start with the first volume of the series in order. By going back and forth between the series, the content is highly synergistic with each other.

Each of the books is listed below.
(For more information about each book, please visit the respective book page.)


Artificial Intelligence Series 

 [1]. Understanding Perceptrons: A Foundation for Deep Learning

 (coming soon)

 

[2]. Understanding the Improved Perceptron (The Ancestor of Deep Learning)

 

If you want to learn ADALINE, we recommend this book (access here).

 

 

 [3]. Understanding Linear Regression from Scratch

If you want to learn linear regression, we recommend this book (access here).

 

 

[4]. Understanding Logistic Regression from Scratch 

If you want to learn logistic regression, we recommend this book (access here).


[5]. Understanding k-Nearest Neighbors from Scratch

If you want to learn k-Nearest Neighbors (Nearest Neighbor Method), we recommend this book (access here).



[6]. Understanding Multiple Regression from Scratch

If you want to learn multiple regression analysis, we recommend this book (access here).



[7]. Decision Trees A Beginner's Guide

 

If you want to learn decision trees, we recommend this book (access here).



[8]. Understanding the Bootstrap Method from Scratch

 

For those who want to learn the bootstrap method, we recommend this book (access here).

 

 

[9]. Understanding Random Forests from Scratch

 

If you want to learn Random Forest, we recommend this book (access here).



[10]. Understanding Decision Tree Regression from Scratch

 

For those of you who want to learn decision tree regression, we recommend this book (access here).

 

 

[11]. Understanding Support Vector Machines from Scratch

If you want to learn Support Vector Machines, we recommend this book (click here).

 

 

[12]. Understanding AdaBoost from Scratch

If you want to learn AdaBoost, we recommend this book (access here).

 

[13]. Understanding k-Nearest Neighbor Regression from Scratch 

If you’re interested in learning k-Nearest Neighbor Regression, we recommend this book (access here).

 

 

[14]. Understanding Random Forest Regression from Scratch

If you are interested in learning Random Forest Regression, we recommend this book (access here).

 

 

[15]. Understanding Support Vector Regression from Scratch

If you want to learn Support Vector Regression, we recommend this book (access here).

 

 

[16]. Understanding Cluster Analysis from Scratch: K-Means Method ①


If you want to learn the k-means method, we recommend this book (click here for access).

 

 

[17].  Understanding Principal Component Analysis from Scratch

 (coming soon)

 

[18]. Understanding Data Visualization from Scratch

(coming soon)

 

[19]. Understanding Descriptive Statistics from Scratch 

 (coming soon)

 

[20]. Understanding Probability and Probability Distributions from Scratch 

 (coming soon)

 

[21]. Understanding Sample Surveys and Estimation: From Zero to Proficiency 

 

If you want to learn about sample surveys and estimation, we recommend this book (access here).

 

 

Mathematics Series  

 [1]. Understanding Trigonometry from Scratch: Sine, Cosine, and Tangent

 If you want to learn trigonometry, we recommend this book (access here).

 
 

[2]. Understanding Exponential Functions from Scratch 

 

If you want to learn exponential functions, we recommend this book (click here for access).

 

 

[3]. Understanding Logarithmic Functions from Scratch

 

If you want to learn logarithmic functions, we recommend this book (click here).



[4]. Understanding Reciprocal Functions from Scratch

 

If you want to learn about reciprocal functions, we recommend this book (click here to access).



[5]. Understanding Differential Equations of Separable Variables from Scratch

If you want to learn about ‘differential equations’ of separable variables, we recommend this book (access here).



[6]. Understanding Hyperbolic Functions from Scratch

If you want to learn about the "differential equations" of hyperbolic functions, we recommend this book (access here).

 
 

[7]. Understanding Differential Equations Solved with Variation of Parameters

 

If you want to learn more about solving differential equations with variation of parameters, we recommend this book (access here).



[8]. Understanding Linear Differential Equations with Constant Coefficients

If you're interested in learning linear differential equations with constant coefficients, we recommend this book (click here).

 

 

Physics Series 

 (coming soon)
 
 

Image Processing Series 

[1]. Environment Building for Image Processing 

If you want to learn Image processing, we recommend this book (access here).
 

 

 [2]. First Steps in Image Processing Basics

If you want to learn Image processing, we recommend this book (access here).



[3]. Image Binarization

If you’re interested in the world of binarization, please refer to the following books! (access here)

 

 

[4]. What is Image Representation? 

 (coming soon)

 

[5]. What is Image Compression?

 

If you've become interested in learning about image compression, please refer to the following books as well! (access here)

 

 

 

 Numerical Computation and Analysis Series 

 [1]. Understanding Interpolation from Scratch

If you’re interested in learning interpolation, we recommend this book (click here for access).

 

 

[2]. Understanding the Euler Method from Scratch 

 


If you're interested in learning the Euler method, we recommend this book (access here).

 
 

[3]. Understanding the Modified Euler Method (Heun's Method) from Scratch

If you want to learn the Modified Euler Method (Heun's Method), we recommend this book (access here).

 

 

Python Series 

 (coming soon)
 
 

R Series

(coming soon) 
 
 
 

コメント

コメントを投稿

このブログの人気の投稿

Verständnis der Trigonometrie von Grund auf: Sinus, Kosinus und Tangens

Die Trigonometrie ist ein besonders tiefgreifendes und breit anwendbares Gebiet innerhalb der Mathematik. Ihre Ursprünge liegen in der antiken griechischen Astronomie und Vermessungskunst, doch ist sie heute ein unverzichtbares Werkzeug in Bereichen von der modernen Technik und Physik bis hin zur Informationstechnologie. Dieser Artikel erklärt zunächst die grundlegenden Konzepte von "Was ist Trigonometrie?", betrachtet anschließend, wie sie in verschiedenen Situationen eingesetzt wird, und erläutert schließlich die Vorteile des Trigonometrielernens. 1. Was ist Trigonometrie? Die Trigonometrie ist eine Menge von Funktionen, die die Beziehung zwischen Winkeln und Seitenlängen in einem rechtwinkligen Dreieck ausdrücken. Die bekanntesten davon sind Sinus (sin), Kosinus (cos) und Tangens (tan). - Definition in einem rechtwinkligen Dreieck In einem rechtwinkligen Dreieck werden trigonometrische Funktionen durch die Verhältnisse der gegenüberliegenden, anliegenden und hypotenusensei...
コメントを投稿
続きを読む

Entscheidungsbäume – Ein Leitfaden für Anfänger

In der heutigen datengesteuerten Ära entstehen ständig neue Werkzeuge zur Unterstützung komplexer Entscheidungsfindung. Unter diesen sind „Entscheidungsbäume“ aufgrund ihrer einfachen Verständlichkeit und intuitiven Visualisierung eine beliebte Methode. Hier erklären wir die grundlegenden Konzepte von Entscheidungsbäumen, spezifische Szenarien, in denen sie eingesetzt werden, und die Vorteile, sie zu erlernen. 1. Was sind Entscheidungsbäume? Entscheidungsbäume sind ein Modelltyp, der für Datenklassifizierung und -vorhersage verwendet wird. Sie verwenden eine Baumstruktur, um den Entscheidungsprozess darzustellen. Entscheidungsbäume bestehen aus Knoten (Entscheidungsknoten) und Kanten (Verzweigungen). Jeder Knoten beinhaltet eine bedingte Beurteilung basierend auf einem bestimmten Merkmal, und die Verzweigungen divergieren basierend auf diesem Ergebnis. Letztendlich wird das Klassifikationsergebnis oder der vorhergesagte Wert an den terminalen Teilen, den sogenannten Blattknoten, angeze...
コメントを投稿
続きを読む

Verständnis von Kehrfunktionen von Grund auf

Die Kehrfunktion ist eine der grundlegenden Funktionen in der Mathematik, und obwohl sie einfach ist, ist sie ein leistungsstarkes Werkzeug mit Anwendungen in vielen Bereichen dank ihrer einzigartigen Eigenschaften. Dieser Artikel bietet eine detaillierte Erklärung der Definition und Eigenschaften von Kehrfunktionen, untersucht die Kontexte, in denen sie verwendet werden, und umreißt die Vorteile, sich mit ihnen auseinanderzusetzen. 1. Was ist eine Kehrfunktion? Eine Kehrfunktion gibt den Kehrwert einer gegebenen reellen Zahl zurück. - Graphische Form Der Graph einer Kehrfunktion bildet eine Hyperbel, wobei die Werte sich schnell erhöhen oder verringern, wenn sie sich dem Ursprung nähern. Sie nimmt die Form einer Hyperbel an, die sich über die ersten und dritten Quadranten erstreckt, und hat Asymptoten bei x = 0 und y = 0. Hinter dieser einfachen Gleichung verbirgt sich das Konzept des multiplikativen Inversen, das die Grundlage der elementaren Algebra bildet. 2. Wo werden Kehrfunktion...
コメントを投稿
続きを読む