白話機器學習
Luis G. Serrano 洪巍恩
- 出版商: 碁峰資訊
- 出版日期: 2023-06-01
- 定價: $780
- 售價: 7.9 折 $616
- 語言: 繁體中文
- 頁數: 584
- ISBN: 6263244496
- ISBN-13: 9786263244498
-
相關分類:
Machine Learning
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
機器學習實戰$414$393 -
大數據分析與資料挖礦, 2/e$700$686 -
領域驅動設計:軟體核心複雜度的解決方法 (Domain-Driven Design: Tackling Complexity in the Heart of Software)$680$530 -
深度學習圖解 (Grokking Deep Learning)$594$564 -
特徵工程不再難:資料科學新手也能輕鬆搞定! (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$406 -
GAN 對抗式生成網路 (GANs in Action: Deep learning with Generative Adversarial Networks)$750$593 -
$454深入淺出神經網絡與深度學習 -
Python 機器學習 (上), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$620$484 -
深度強化式學習 (Deep Reinforcement Learning in Action)$1,000$790 -
Reinforcement Learning|強化學習深度解析 (繁體中文版) (Reinforcement Learning: An Introduction, 2/e)$1,200$948 -
核心開發者親授!PyTorch 深度學習攻略 (Deep Learning with Pytorch)$1,000$790 -
Python 教學手冊$650$553 -
Keras 大神歸位:深度學習全面進化!用 Python 實作 CNN、RNN、GRU、LSTM、GAN、VAE、Transformer$1,200$948 -
$454Pandas 入門與實戰應用 :基於 Python 的數據分析與處理 -
智能優化算法與湧現計算, 2/e$1,134$1,077 -
深度學習:從基礎到實踐(上、下冊)$1,199$1,139 -
用最簡潔的 Python 上手 - 深度學習從精通再成大神$780$663 -
Scikit-learn 詳解與企業應用:機器學習最佳入門與實戰$880$695 -
資料科學基礎數學 (Essential Math for Data Science)$680$537 -
SQL Server 2022/2019 資料庫設計與開發實務$660$521 -
軟體測試實務 : 業界成功案例與高效實踐 [ I ]$650$507 -
軟體測試實務 : 業界成功案例與高效實踐 [ II ]$600$468 -
一本精通 - PyQt5 & PyQt6 軟體介面開發$890$703 -
SRE 實踐與開發平台指南:從團隊協作、原則、架構和趨勢掌握全局,做出精準決策$620$484 -
Deep Learning 4|用 Python 進行強化學習的開發實作$680$537
AI NotebookLM 2書75折 詳見活動內容 »
-
79折
AI 超神筆記術:NotebookLM 高效資料整理與分析 250技$480$379 -
79折
AI 超神活用術:Felo 搜尋、筆記、簡報、網頁、知識庫、心智圖與視覺圖表全能助手$490$387 -
79折
最強 AI 組合技!NotebookLM / Gemini / Nano Banana / Veo 3 【影音生成進化版】$499$394 -
79折
Google BI 解決方案:Looker Studio × AI 數據驅動行銷實作,完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
AI 加持!Google Sheets 超級工作流$599$473 -
75折
打造史上最強 AI 組合技!NotebookLM / Gemini / Gemini Live / Imagen / Veo 一起攜手放大絕,打造職場超能力$499$374 -
79折
Gemini x NotebookLM 領軍:Nano Banana x Imagen x Veo x Gem x Gemini Live - Google 多模態 AI 工作流$620$490 -
79折
寫程式的 AI 戰友 – VS Code x GitHub Copilot$720$569 -
79折
全面掌握 Gemini 開發實務:輕鬆駕馭 Google AI 引擎$680$537 -
79折
Canva + AI 創意設計與品牌應用 300招:從商業技巧、社群祕技到AI圖文影音特效, 2/e$560$442 -
79折
圖像生成 AI Stable Diffusion 實作技法書:從設定、生成到調整,全面掌握 AI 繪圖實戰技!$550$435 -
79折
動手做 AI Agent:LLM 應用開發實戰力$650$514 -
79折
深度學習詳解|台大李宏毅老師機器學習課程精粹$750$593 -
79折
跟我學 Photoshop 一定要會的影像處理技巧 X AI 生成應用, 5/e$590$466 -
79折
AI 提問 X 學習 X 應用:ChatGPT、NotebookLM、Gemini、GitHub Copilot從零到完全實戰$390$308 -
78折
AIGC 全能實作教科書:一次學會 ChatGPT、簡報、設計與影音繪圖,打造你的 AI 創作工作術$680$530 -
79折
Excel 自學聖經:完整入門到職場活用技巧與實例大全 X AI工作術, 3/e$650$514 -
79折
跟我學 Windows 11 輕鬆操作、高效應用必備技 (附「Copilot智慧AI助手」與「Win11進階應用」教學影片)$580$458 -
79折
全面掌握 DeepSeek - LLM 微調、生成式 AI、企業級應用開發$600$474 -
79折
iPAS 淨零碳規劃管理師初級能力鑑定|淨零碳規劃管理基礎概論&淨零碳盤查規範與程序概要$490$387 -
79折
AI 繪圖一秒上手:用中文提示詞實現創意 (ChatGPT、Copilot、Designer、Bing、Sora)$580$458 -
79折
Microsoft Azure AI Services 與 Azure OpenAI 從入門到人工智慧程式開發 -- 使用 Python (含MCF AI-900國際認證)$560$442 -
79折
邊緣 AI-使用 NVIDIA Jetson Orin Nano 開發具備深度學習、電腦視覺與生成式 AI 功能的 ROS2 機器人$580$458 -
79折
Microsoft Azure AI Services 與 Azure OpenAI 開發基礎必修課 -- 使用 C#$550$435 -
78折
AI + ESP32-CAM + AWS:物聯網與雲端運算的專題實作應用$650$507
相關主題
商品描述
「你是否認為機器學習很複雜、很難掌握呢? 其實不然,來讀這本書,Serrano為你揭開機器學習的神秘面紗。」
—Sebastian Thrun, Udacit創辦人
「這是您機器學習旅程的第一步」
—Millad Dagdoni, 挪威勞動福利局
「這是本很好的引導指南,特別是對於那些想要寫程式但覺得自己數學程度不高的人」
—Erik D. Sapper, 加州理工州立大學
「這是我近年來有幸讀到最平易近人的機器學習介紹。強烈推薦!」
—Kay Engelhardt, devstats
只需要高中的數學程度,您就能發現並了解機器學習的強大之處!簡單來說,機器學習是一組建立在演算法上的資料分析技術,當您提供更多的資料,它就能產生更好的分析結果。ML驅動了許多尖端的技術,例如推薦系統、人臉識別軟體、智慧音箱,甚至是自駕車。而這本獨特的書將藉由相關的範例、有趣的練習以及簡要的插圖,為您介紹機器學習的核心概念。
《白話機器學習》以任何人都能理解的方式來呈現機器學習的演算法和技術,跳過令人困惑的學術術語,提供您只需要一點基礎代數就能理解的清楚解釋。隨著學習本書的內容,您將使用Python建立許多有趣的專案,包含垃圾郵件偵測和圖像辨識等模型,並且還會學到清理和準備資料的實用技巧。
本書包含:
‧用於分類和分割資料的監督式演算法
‧用於清理和簡化資料的方法
‧機器學習的套件和工具
‧用於複雜資料集的神經網路和集成方法
本書適用於有Python基礎知識的讀者,但不需要有機器學習的相關知識。
作者簡介
Luis G. Serrano 是位量子人工智慧領域的研究科學家,曾經在Google擔任機器學習工程師,以及在Apple擔任人工智慧主任教育家。
目錄大綱
第1章 什麼是機器學習?它是一種常識,只是是由電腦來完成
第2章 機器學習的類型
第3章 在資料點附近畫一條線:線性迴歸
第4章 最佳化訓練過程:配適不足、過度配適、測試和正規化
第5章 用線來分割我們的點:感知器算法
第6章 用以分裂點的連續方法:邏輯分類器
第7章 你如何衡量分類模型?準確率及其朋友
第8章 最大程度地利用機率:單純貝氏分類模型
第9章 透過提問來分割資料:決策樹
第10章 組合建構組塊以獲得更多力量:神經網路
第11章 用風格尋找邊界:支援向量機和核方法
第12章 結合模型以最大化結果:集成學習
第13章 付諸實踐:資料工程和機器學習的真實案例
附錄A 練習題的答案
附錄B 梯度下降背後的數學含意:使用導數和斜率
附錄C 參考資料









