具体描述
搞定Python与管理数学，是成为数据分析专家的必备基础
第一本结合管理数学和Python应用的工具书，轻松获得双倍效果！
管理的问题，就用数学来解决吧！
令人惊唿的三大特色：
1.浅显易懂的口吻加上超丰富内容，一本掌握管理数学！
2.附有精彩的范例、习题与解析，满足所有练习慾望！
3.用Python简单搞定繁杂的数学计算，手把手跟着步骤走！
让数据分析成为管理的后盾，成就更无懈可击的经营决策！
管理数学为一门重要的基础，不只是为了商业管理和决策，也是学习资料科学的第一步。现今不论是商管领域的学生或是从业人员，为了跟上世界的脚步，都必须踏上学习程式语言之路，如果能在学习管理数学时搭配Python做使用，不只符合世界潮流，也等同开启资料分析的大门。
本书作者投入融合「计量经济学和资料科学」的计量资料科学 (Econometric Data Science) 多年，对于以计量经济学为基础的资料科学犹有心得，本书由浅入深的介绍函数、微积分、矩阵代数和数学规划等管理数学必需的基础与商管应用，此外，为达到与程式学习相辅相成之效，作者编排章节亦十分用心，在管理数学的16堂课中，穿插步骤式的Python教学，让读者学完数学原理和计算之后，能立刻熟悉Python的应用方式，学习效率更加倍！轻松就学会管理数学！
第一本结合管理数学和Python应用的工具书，轻松获得双倍效果！
管理的问题，就用数学来解决吧！
令人惊唿的三大特色：
1.浅显易懂的口吻加上超丰富内容，一本掌握管理数学！
2.附有精彩的范例、习题与解析，满足所有练习慾望！
3.用Python简单搞定繁杂的数学计算，手把手跟着步骤走！
让数据分析成为管理的后盾，成就更无懈可击的经营决策！
管理数学为一门重要的基础，不只是为了商业管理和决策，也是学习资料科学的第一步。现今不论是商管领域的学生或是从业人员，为了跟上世界的脚步，都必须踏上学习程式语言之路，如果能在学习管理数学时搭配Python做使用，不只符合世界潮流，也等同开启资料分析的大门。
本书作者投入融合「计量经济学和资料科学」的计量资料科学 (Econometric Data Science) 多年，对于以计量经济学为基础的资料科学犹有心得，本书由浅入深的介绍函数、微积分、矩阵代数和数学规划等管理数学必需的基础与商管应用，此外，为达到与程式学习相辅相成之效，作者编排章节亦十分用心，在管理数学的16堂课中，穿插步骤式的Python教学，让读者学完数学原理和计算之后，能立刻熟悉Python的应用方式，学习效率更加倍！轻松就学会管理数学！
著者信息
作者简介
何宗武
美国犹他大学（University of Utah）经济学博士，现为国立台湾师范大学全球经营与策略研究所教授，教学资历丰富，曾任世新大学经济学系及财务金融学系教授。专长为财务经济学、金融大数据、计量经济资料科学及程式语言等，着作多本相关书籍如：《大数据决策分析盲点大突破10讲：我分类故我在》《R语言：深入浅出财经计量》、《R资料採矿与数据分析：以GUI套件Rattle结合程式语言实作》、《资料分析轻松学：R Commander高手捷径》。
何宗武
美国犹他大学（University of Utah）经济学博士，现为国立台湾师范大学全球经营与策略研究所教授，教学资历丰富，曾任世新大学经济学系及财务金融学系教授。专长为财务经济学、金融大数据、计量经济资料科学及程式语言等，着作多本相关书籍如：《大数据决策分析盲点大突破10讲：我分类故我在》《R语言：深入浅出财经计量》、《R资料採矿与数据分析：以GUI套件Rattle结合程式语言实作》、《资料分析轻松学：R Commander高手捷径》。
图书目录
管理数学
目录
推荐序
序
第1部份 管理数学原理
第1章 函数原理
第2章 函数与导函数
Python Part 1
第2部份 微分
第3章 微分方法— 单变数函数
第4章 微分方法— 多变数函数偏微分
第5章 微分商管应用
Python Part 2
第3部份 积分
第6章 积分原理— 反导函数与微积分基本定理
第7章 积分方法— 单变数函数
第8章 积分方法— 多变数函数重积分
第9章 积分的商管应用
Python Part 3
第4部份 矩阵代数
第10章 矩阵代数基础
第11章 矩阵的基本运算与应用
第12章 矩阵的进一步性质
Python Part 4
第5部份 数学规划与管理决策
第13章 数学规划-- 单变数函数的极值
第14章 数学规划--多变数函数的极值
第15章 数学规划—具限制条件下函数的极值问题
第16章 选择性主题
Python Part 5
Python Part 6
Python Part 7
Python Part 8
目录
推荐序
序
第1部份 管理数学原理
第1章 函数原理
第2章 函数与导函数
Python Part 1
第2部份 微分
第3章 微分方法— 单变数函数
第4章 微分方法— 多变数函数偏微分
第5章 微分商管应用
Python Part 2
第3部份 积分
第6章 积分原理— 反导函数与微积分基本定理
第7章 积分方法— 单变数函数
第8章 积分方法— 多变数函数重积分
第9章 积分的商管应用
Python Part 3
第4部份 矩阵代数
第10章 矩阵代数基础
第11章 矩阵的基本运算与应用
第12章 矩阵的进一步性质
Python Part 4
第5部份 数学规划与管理决策
第13章 数学规划-- 单变数函数的极值
第14章 数学规划--多变数函数的极值
第15章 数学规划—具限制条件下函数的极值问题
第16章 选择性主题
Python Part 5
Python Part 6
Python Part 7
Python Part 8
图书序言
序
过去20年，如果要处理资料都需要去图书馆拿年鑑或月报，然后用人工输入。近来因为科技发展，让数据的蒐集和使用愈来愈便捷，很多领域都开始面对大量数据躺在那边。数字多的学科，须要了解资料探勘和数据分析的用途；用文字多的学门，则面临文字分析和自然语言处理的学习。自己用不用没关系，但是要能看的懂他人产生的报告。
坊间不缺管理数学的书，但是就内容编写而言，会反应作者心中的核心学科。例如，有的侧重微积分，有的侧重作业研究（Operation Research）或数学规划，有的甚至没有足够的矩阵代数篇幅。因此，以管理数学为经，本书设想的是以企业管理为主的学习架构，分四部分：微分和积分与矩阵代数和数学规划。对于上学期可以讲授3学分微积分，下学期可以讲授矩阵代数和数学规划。这是本书内容的第一个特色。
另外，目前商管学院和人文社会相关科系，几乎都须要有一点程式概念，各校均增添程式教育课程。非资讯相关学门，程式学习入门最好能融入特定课程，而不要一开始就开一门独立的程式语言课程。在这样的背景之下，每一个部分结尾，纳入循序渐进的Python章节，先把Python当成计算机，可以手算习题，然后用五六行的Python码验算。这样一年课程下来，就会熟悉Python的运行逻辑。将Python融入课程，这是本书第二个特色。
然而，在四部分之后，本书依然续编了5-8部分的Python介绍，以供有兴趣的同学在整门课结束后可以利用暑假继续学习。每部分的Python学习手册，可以使用Python于习题练习，确认答案，绘图，以及符号运算。
本书完成，一要感谢台湾师范大学提供优良的研究与教学环境，让本人能专心工作；二要感谢五南出版社别具慧眼，在教科书市场竞争之下，愿意出版这样一本教科书。本书有任何疏漏与未竟之处，皆是本人的责任。
过去20年，如果要处理资料都需要去图书馆拿年鑑或月报，然后用人工输入。近来因为科技发展，让数据的蒐集和使用愈来愈便捷，很多领域都开始面对大量数据躺在那边。数字多的学科，须要了解资料探勘和数据分析的用途；用文字多的学门，则面临文字分析和自然语言处理的学习。自己用不用没关系，但是要能看的懂他人产生的报告。
坊间不缺管理数学的书，但是就内容编写而言，会反应作者心中的核心学科。例如，有的侧重微积分，有的侧重作业研究（Operation Research）或数学规划，有的甚至没有足够的矩阵代数篇幅。因此，以管理数学为经，本书设想的是以企业管理为主的学习架构，分四部分：微分和积分与矩阵代数和数学规划。对于上学期可以讲授3学分微积分，下学期可以讲授矩阵代数和数学规划。这是本书内容的第一个特色。
另外，目前商管学院和人文社会相关科系，几乎都须要有一点程式概念，各校均增添程式教育课程。非资讯相关学门，程式学习入门最好能融入特定课程，而不要一开始就开一门独立的程式语言课程。在这样的背景之下，每一个部分结尾，纳入循序渐进的Python章节，先把Python当成计算机，可以手算习题，然后用五六行的Python码验算。这样一年课程下来，就会熟悉Python的运行逻辑。将Python融入课程，这是本书第二个特色。
然而，在四部分之后，本书依然续编了5-8部分的Python介绍，以供有兴趣的同学在整门课结束后可以利用暑假继续学习。每部分的Python学习手册，可以使用Python于习题练习，确认答案，绘图，以及符号运算。
本书完成，一要感谢台湾师范大学提供优良的研究与教学环境，让本人能专心工作；二要感谢五南出版社别具慧眼，在教科书市场竞争之下，愿意出版这样一本教科书。本书有任何疏漏与未竟之处，皆是本人的责任。
何宗武
于台师大管理学院 2019/5/17
于台师大管理学院 2019/5/17
图书试读
主题3. 最佳化演算（Optimization） 求极值
前面的主题是解满足一阶导函数的根，因此，我们必须先微分求出导函数。但是，最简单的方法是直接对目标函数求解：同时解出目标极值和临界值。
Python完成这件事有sympy和scipy，笔者觉得sympy需要宣告的参数太多，尤其是在带限制式时。所以我们使用模组scipy内的函数optimize()和minimize()，Python程式码的步骤解说如下。
5.3-1 单变数
我们先看本章范例1的简单方程式，如下：
第1步：定义函数
from scipy import optimize
def f(x, sign=-1):
return sign*(2*x**3+3*x**2-12*x-7)
两行就OK，相当简易。待会我们再解释sign的意义。接下来执行求极值：
第2步：求解与结果
Result1 = optimize. minimize_scalar(f)
Result1.x
Result1.fun
f(Result1.x)
optimize. minimize_scalar()是求解函数。Result1内有许多物件，主要有三个：
(1) Result1.x: 解出的x值。
(2) Result1.fun: 解出的极小值，可以和f(Result1.x)对照是否一样。
(3) Result1.success: 回传求解是否成功（True/False）。
我们看看列印在萤幕的结果，如下：
Result1.x
Out[2]: 1.0
Result1.fun
Out[3]: -14.0
f(Result1.x)
Out[4]: -14.0
我们回去看范例1的图形，可能的临界值有两个，从图形看的出来，我们解出的只是极小值（1, -14）。那另一极大值的解呢？根据scipy说明文件，须把函数取负值 ，这也是我们为什么写函数时，要增加一个参数 sign，因为这样比较方便，判断极大值时，可以如下这样处理：
第1步：定义函数
def f(x, sign = -1):
return sign*(2*x**3+3*x**2-12*x-7)
前面的主题是解满足一阶导函数的根，因此，我们必须先微分求出导函数。但是，最简单的方法是直接对目标函数求解：同时解出目标极值和临界值。
Python完成这件事有sympy和scipy，笔者觉得sympy需要宣告的参数太多，尤其是在带限制式时。所以我们使用模组scipy内的函数optimize()和minimize()，Python程式码的步骤解说如下。
5.3-1 单变数
我们先看本章范例1的简单方程式，如下：
第1步：定义函数
from scipy import optimize
def f(x, sign=-1):
return sign*(2*x**3+3*x**2-12*x-7)
两行就OK，相当简易。待会我们再解释sign的意义。接下来执行求极值：
第2步：求解与结果
Result1 = optimize. minimize_scalar(f)
Result1.x
Result1.fun
f(Result1.x)
optimize. minimize_scalar()是求解函数。Result1内有许多物件，主要有三个：
(1) Result1.x: 解出的x值。
(2) Result1.fun: 解出的极小值，可以和f(Result1.x)对照是否一样。
(3) Result1.success: 回传求解是否成功（True/False）。
我们看看列印在萤幕的结果，如下：
Result1.x
Out[2]: 1.0
Result1.fun
Out[3]: -14.0
f(Result1.x)
Out[4]: -14.0
我们回去看范例1的图形，可能的临界值有两个，从图形看的出来，我们解出的只是极小值（1, -14）。那另一极大值的解呢？根据scipy说明文件，须把函数取负值 ，这也是我们为什么写函数时，要增加一个参数 sign，因为这样比较方便，判断极大值时，可以如下这样处理：
第1步：定义函数
def f(x, sign = -1):
return sign*(2*x**3+3*x**2-12*x-7)
用户评价
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版权所有