スキップしてメイン コンテンツに移動

Lista de publicaciones del Dr. Mint (en inglés)

 

 Mint Publishing ha publicado los siguientes libros.


Todos ellos son fáciles de entender y están cuidadosamente explicados para que puedas comprenderlos desde cero.

Las siguientes series ya están disponibles. 

  •  Serie Inteligencia Artificial 
  •  Serie Matemáticas 
  •  Serie Física 
  •  Serie Procesamiento de Imágenes 
  •  Serie Cálculo y Análisis Numérico 
  •  Serie Python 
  •  Serie R


Las series están organizadas de tal manera que puedes aprender de la que más te interese, o puedes empezar con el primer volumen de la serie en orden. Al ir y venir entre las series, el contenido es altamente sinérgico entre sí.

A continuación se enumeran los libros.
(Para más información sobre cada libro, visite la página del libro correspondiente).

 

Serie Inteligencia Artificial 

 [1]. Entendiendo los perceptrones: Una base para el aprendizaje profundo

 (próximamente)


[2]. Understanding the Improved Perceptron (El antepasado del aprendizaje profundo).

 

Si quieres aprender ADALINE, te recomendamos este libro (accede aquí).

 

 

[3]. Entendiendo la regresión lineal desde cero

Si quieres aprender regresión lineal, te recomendamos este libro (accede aquí).

 

 

[4]. Comprender la regresión logística desde cero 

Si quieres aprender regresión logística, te recomendamos este libro (accede aquí).




[5]. Entender k-Nearest Neighbors desde cero

Si quieres aprender k-Nearest Neighbors (Método del vecino más cercano), te recomendamos este libro (accede aquí).



[6]. Comprender la regresión múltiple desde cero

Si quiere aprender el análisis de regresión múltiple, le recomendamos este libro (acceda aquí).



[7]. Árboles de decisión: guía para principiantes

Si quiere aprender árboles de decisión, le recomendamos este libro (acceda aquí).



[8]. Entender el método Bootstrap desde cero

Para los que quieran aprender el método bootstrap, recomendamos este libro (acceso aquí).

 

 

[9]. Entendiendo los Bosques Aleatorios desde cero

Para quien quiera aprender Random Forest, le recomendamos este libro (acceda aquí).



[10]. Entender la regresión de árboles de decisión desde cero

Para los que quieran aprender regresión de árboles de decisión, recomendamos este libro (acceso aquí)

 

 

[11]. Entender las máquinas de vectores soporte desde cero

Si quieres aprender Máquinas de Vectores Soporte, te recomendamos este libro (pincha aquí).
 

 

[12]. Entender AdaBoost desde cero

Si quieres aprender AdaBoost, te recomendamos este libro (accede aquí).

 

[13]. Entender la regresión k-Nearest Neighbor desde cero 

Si te interesa aprender Regresión k-Nearest Neighbor, te recomendamos este libro (accede aquí).

 

 

[14]. Entender la regresión Random Forest desde cero

Si está interesado en aprender Regresión Random Forest, le recomendamos este libro (acceda aquí).

 
 

[15]. Comprender la regresión por vectores de soporte desde cero

Si quieres aprender Regresión por vectores de soporte, te recomendamos este libro (accede aquí).

 
 

[16]. Entendiendo el Análisis Cluster desde cero: Método K-Means ①

Si quieres aprender el método k-means, te recomendamos este libro (accede aquí).

 

[17].  Cómo entender el análisis de componentes principales desde cero


 (próximamente)

 
[18]. Comprender la visualización de datos desde cero

(próximamente)

 
[19]. Comprender las estadísticas descriptivas desde cero 

 (próximamente)

 
[20]. Comprender la probabilidad y las distribuciones de probabilidad desde cero 

 (próximamente)

 

[21]. Comprender las encuestas por muestreo y la estimación: De cero al dominio 


Si quiere aprender sobre encuestas por muestreo y estimación, le recomendamos este libro (acceda aquí).

 

 

 

Serie Matemáticas 

 [1]. Comprender la trigonometría desde cero: Seno, Coseno y Tangente

 Si quieres aprender trigonometría, te recomendamos este libro (accede aquí).
 
 

[2]. Entender las funciones exponenciales desde cero 

Si quieres aprender funciones exponenciales, te recomendamos este libro (pincha aquí para acceder).

 

 

[3]. Entender las funciones logarítmicas desde cero

Si quieres aprender funciones logarítmicas, te recomendamos este libro (pincha aquí para acceder).



[4]. Entender las funciones recíprocas desde cero

Si quieres aprender funciones recíprocas, te recomendamos este libro (pincha aquí para acceder).



[5]. Entender las ecuaciones diferenciales de variables separables desde cero

Si quieres aprender sobre “ecuaciones diferenciales” de variables separables, te recomendamos este libro (accede aquí).


[6]. Entender las funciones hiperbólicas desde cero

Si quieres aprender sobre las "ecuaciones diferenciales" de funciones hiperbólicas, te recomendamos este libro (accede aquí).
 
 

[7]. Entendiendo ecuaciones diferenciales resueltas con variación de parámetros

Si quieres aprender más sobre la resolución de ecuaciones diferenciales con variación de parámetros, te recomendamos este libro (accede aquí).



[8]. Comprensión de ecuaciones diferenciales lineales con coeficientes constantes


Si está interesado en aprender ecuaciones diferenciales lineales con coeficientes constantes, le recomendamos este libro (acceda aquí).

 

Serie Física 

 (próximamente)
 
 

Serie de Procesamiento de Imágenes 

[1]. Creación de entornos para el procesamiento de imágenes 

Si quieres aprender Procesado de Imágenes, te recomendamos este libro (accede aquí).
 
 

 [2]. Primeros pasos en los fundamentos del procesamiento de imágenes

Si quieres aprender Procesado de imágenes, te recomendamos este libro (accede aquí).



[3]. Binarización de imágenes

Si te interesa el mundo de la binarización, te recomendamos los siguientes libros (acceda aquí).

 

[4]. ¿Qué es la representación de imágenes? 


 (próximamente)

 

[5]. ¿Qué es la compresión de imágenes?

Si le interesa aprender sobre compresión de imágenes, consulte también los siguientes libros (acceda aquí)

 

 

Series de Cálculo y Análisis Numérico 

 [1]. Entender la interpolación desde cero

Si está interesado en aprender interpolación, le recomendamos este libro (pulse aquí para acceder).

  


[2]. Entender el método de Euler desde cero 

Si estás interesado en aprender el método de Euler, te recomendamos este libro (accede aquí).
 
 


[3]. Entender el Método de Euler Modificado (Método de Heun) desde cero


Si quieres aprender el Método de Euler Modificado (Método de Heun), te recomendamos este libro (accede aquí).

 
 

Python Series 

 (próximamente)
 
 

R Series

(próximamente)


 

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

Understanding the Modified Euler Method (Heun's Method) from Scratch

This article explains the basic concepts, applications, and benefits of learning the Modified Euler Method (Heun's Method). This method, a step forward from the simple Euler method, plays a very important role in the world of numerical analysis. 1. What is the Modified Euler Method (Heun's Method)? The Modified Euler Method, also known as Heun’s Method, is a numerical method for obtaining approximate solutions to initial value problems: dy/dt = f(t, y), y(t_0) = y_0 The traditional Euler method determines the next value, y_{n+1}, using only the slope of the tangent line at time t_n, namely f(t_n, y_n).  However, when the step size is large or the problem exhibits strong non-linearity, this can lead to significant errors. A key feature of Heun’s Method is its ability to achieve higher accuracy (local error of second order) through a two-stage evaluation process, improving upon the Euler method. 2. In What Scenarios is it Applied? Due to its simplicity and improved accuracy, Heun...
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