機器學習入門：使用 Scikit-Learn 與 TensorFlow
黃建庭
- 出版商: 碁峰資訊
- 出版日期: 2021-12-22
- 定價: $420
- 售價: 7.9 折 $332
- 語言: 繁體中文
- ISBN: 6263240288
- ISBN-13: 9786263240285
-
相關分類:
Machine Learning
立即出貨(限量)
買這商品的人也買了...
-
$352R語言可以很簡單 第2版 (R for dummies) -
不懂程式也能學會的大數據分析術 - 使用 RapidMiner$550$468 -
TensorFlow 自然語言處理｜善用 Python 深度學習函式庫，教機器學會自然語言 (Natural Language Processing with TensorFlow)$620$527 -
$594深入理解 XGBoost：高效機器學習算法與進階 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 2/e (Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2/e)$1,200$948 -
scikit-learn 新手的晉級：實作各種機器學習解決方案 (Mastering Machine Learning with scikit-learn, 2/e)$500$390 -
必學！Python 資料科學‧機器學習最強套件 － NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras$680$537 -
Python 機器學習與深度學習特訓班：看得懂也會做的AI人工智慧實戰, 2/e (附120分鐘影音教學/範例程式)$520$411 -
從來沒有這麼明白過：TensorFlow 上車就學會 (書況差限門市銷售))$690$545 -
作業系統精論, 10/e (授權經銷版)$810$770 -
圖解 Docker & Kubernetes 的知識與使用方法$620$490 -
機器學習演算法動手硬幹：用 PyTorch + Jupyter 最佳組合達成$880$695 -
Raspberry Pi 樹莓派：Python x AI 超應用聖經$699$594 -
銷售 AI 化！看資料科學家如何思考, 用 Python 打造能賺錢的機器學習模型$620$527 -
集成式學習：Python 實踐！整合全部技術，打造最強模型 (Hands-On Ensemble Learning with Python: Build highly optimized ensemble machine learning models using scikit-learn and Keras)$750$593 -
數位與醫學的人工智慧影像處理技術：Python 實務$580$452 -
Python：股票 × ETF 量化交易回測 102個活用技巧$600$468 -
Python 資料結構×演算法 刷題鍛鍊班：234 題帶你突破 Coding 面試的難關$650$513 -
一本精通 - OpenCV 與 AI 影像辨識$680$537 -
大數據分析實務 -- RapidMiner 之應用$500$395 -
Python 設計模式與開發實務 (Python Programming with Design Patterns)$580$458 -
完全圖解人工智慧：零基礎也OK！從NLP、圖像辨識到生成模型，現代人必修的53堂AI課$480$379 -
機器學習的公式推導和程式實作$580$458 -
新一代 Keras 3.x 重磅回歸：跨 TensorFlow 與 PyTorch 建構 Transformer、CNN、RNN、LSTM 深度學習模型$750$593 -
機器學習面試指南 (Machine Learning Interviews: Kickstart Your Machine Learning and Data Career)$780$616
商品描述
◎從機器學習的基礎知識開始，逐步建構相關的延伸應用。
◎以經典範例搭配步驟化解說，帶領讀者掌握應用的訣竅！
．使用Kaggle網站的資料集，讀者可以透過本書所提供連結或關鍵字搜尋下載。
．使用Pandas與Numpy處理與分析資料。
．以Scikit-Learn實作監督式學習－線性廻歸、邏輯廻歸、決策樹、K-近鄰演算法、支援向量機，以及非監督式學習－K-means分群與階層式分群。
．使用TensorFlow建立神經網路進行運算，實作前向傳播算法與反向傳播算法的運算過程。
．介紹卷積神經網路的概念與運算過程，並使用TensorFlow 建立卷積神經網路進行運算。
目錄大綱
chapter 1 開發環境介紹
1-1 安裝 Anaconda
1-2 使用 conda 啟用虛擬環境與安裝套件
1-3 在 Windows 啟用 Jupyter Notebook
1-4 Jupyter Notebook 的快速鍵
1-5 使用 Google Colab 執行 Python 程式
chapter 2 Pandas 與 Numpy 簡介
2-1 Pandas 的 Series
2-2 Pandas 的 DataFrame
2-3 NumPy的重要功能
chapter 3 線性迴歸
3-1 線性迴歸的運作原理
3-2 使用 sklearn 實作線性迴歸
3-3 線性迴歸模型實作範例
3-4 習題
chapter 4 邏輯迴歸
4-1 邏輯迴歸的運作原理
4-2 使用 sklearn 實作邏輯迴歸
4-3 邏輯迴歸模型實作範例
4-4 習題
chapter 5 決策樹
5-1 決策樹的運作過程
5-2 使用 sklearn 實作決策樹
5-3 決策樹模型實作範例
5-4 習題
chapter 6 K-近鄰演算法
6-1 K-近鄰演算法的運作過程
6-2 使用 sklearn 實作 K-近鄰演算法
6-3 K-近鄰演算法模型實作範例
6-4 習題
chapter 7 支援向量機
7-1 支援向量機演算法的運作過程
7-2 使用 sklearn 實作支援向量機
7-3 支援向量機模型實作範例
7-4 習題
chapter 8 K-means 分群
8-1 K-means 分群的運作過程
8-2 使用 sklearn 實作 K-means 分群
8-3 使用 K-means 分群實作範例
8-4 習題
chapter 9 階層式分群
9-1 階層式分群的運作過程
9-2 使用 sklearn 實作階層式分群
9-3 階層式分群實作範例
9-4 習題
chapter 10 神經網路
10-1 神經網路的神經元
10-2 線性可分割與非線性可分割
10-3 神經網路的運作
10-4 使用 keras 實作神經網路
10-5 激勵函式
10-6 Loss 函式
10-7 學習率與優化器
10-8 使用手寫數字辨識為範例
10-9 習題
chapter 11 卷積神經網路
11-1 卷積神經網路模型運作原理
11-2 使用 keras 實作卷積神經網路
11-3 卷積神經網路實作範例
11-4 習題
chapter 12 使用 Cifar-10 圖庫訓練卷積神經網路
12-1 使用卷積神經網路辨識 Cifar-10 圖庫
12-2 使用更複雜的卷積神經網路辨識 Cifar-10 圖庫
12-3 習題
chapter 13 預先訓練的模型
13-1 使用 VGG16 辨識圖片
13-2 顯示 VGG16 模型的組成
13-3 習題
chapter 14 中文文字分析與中文語音相關功能實作
14-1 使用 Spacy 分析中文句子
14-2 使用 Spacy 找出最相似的五個新聞標題
14-3 實作語音辨識與文字轉語音功能
14-4 習題
