Python 機器學習實踐指南 (Python Machine Learning Blueprints) Python机器学习实践指南
庫姆斯 (Alexander T.Combs)
- 出版商: 人民郵電
- 出版日期: 2017-05-01
- 定價: $414
- 售價: 7.9 折 $327
- 語言: 簡體中文
- 頁數: 251
- 裝訂: 平裝
- ISBN: 7115449066
- ISBN-13: 9787115449061
-
相關分類:
Machine Learning、Python
- 此書翻譯自: Python Machine Learning Blueprints: Intuitive data projects you can relate to
立即出貨
買這商品的人也買了...
-
機器學習實戰$414$393 -
$294機器學習系統設計 (Building Machine Learning Systems with Python) -
Python 程式設計入門 (適用於 2.x 與 3.x 版)$620$484 -
精通 Python|運用簡單的套件進行現代運算 (Introducing Python: Modern Computing in Simple Packages)$780$616 -
超圖解物聯網 IoT 實作入門 - 使用 JavaScript/Node.JS/Arduino/Raspberry$699$594 -
$354機器學習項目開發實戰 (Machine Learning Projects for .NET Developers) -
Python + Spark 2.0 + Hadoop 機器學習與大數據分析實戰$680$530 -
今天不學機器學習,明天就被機器取代:從 Python 入手+演算法$590$502 -
Python 自動化的樂趣|搞定重複瑣碎 & 單調無聊的工作 (中文版) (Automate the Boring Stuff with Python: Practical Programming for Total Beginners)$500$425 -
深度學習快速入門 — 使用 TensorFlow (Getting started with TensorFlow)
$360$281 -
$403TensorFlow 實戰 -
$414Python 數據可視化 (Mastering Python Data Visualization) -
$414精通 Python 網絡爬蟲:核心技術、框架與項目實戰 -
$352面向機器智能的 TensorFlow 實踐 -
$280零起點 Python 機器學習快速入門 -
$280機器學習與數據科學基於R的統計學習方法 (Machine Learning and Data Science: An Introduction to Statistical Learning Methods with R) -
$474TensorFlow技術解析與實戰 -
$474深度學習原理與TensorFlow實踐 -
TensorFlow + Keras 深度學習人工智慧實務應用$590$460 -
寫程式前就該懂的演算法 ─ 資料分析與程式設計人員必學的邏輯思考術 (Grokking Algorithms: An illustrated guide for programmers and other curious people)$390$308 -
實戰聊天機器人 Bot 開發|使用 Node.js (Building Bots with Node.js)$380$323 -
$354機器學習Web應用 -
$270進化從孤膽極客到高效團隊 (Debugging Teams Better Productivity through Collaboration) -
$352Python 機器學習 : 預測分析核心算法 -
用 Python 寫網絡爬蟲, 2/e$294$279
簡體館年度書展|現貨2書79折3書75折 詳見活動內容 »
-
VIP 95折
深入淺出 SSD 測試 : 固態存儲測試流程 方法與工具$594$564 -
VIP 95折
MCP 開發從入門到實戰$515$489 -
85折
$806Linux x64 匯編語言編程 -
VIP 95折
MCP 極簡開發 : 輕鬆打造高效智能體$479$455 -
VIP 95折
RISC-V 架構 DSP 處理器設計$534$507 -
VIP 95折
硬件系統模糊測試:技術揭秘與案例剖析$419$398 -
85折
$454RAG 實踐權威指南:構建精準、高效大模型之道 -
VIP 95折
CUDA 並行編程與性能優化$714$678 -
VIP 95折
生成式視覺模型原理與實踐$288$274 -
87折
$459AI大模型:賦能通信產業 -
VIP 95折
科學預測——預見科學之美$408$388 -
VIP 95折
Processing創意編程入門:從編程原理到項目案例$299$284 -
VIP 95折
大模型驅動的具身智能 架構,設計與實現$534$507 -
VIP 95折
納米級CMOS VLSI電路(可制造性設計)$474$450 -
VIP 95折
Manus應用與AI Agent設計指南:從入門到精通$359$341 -
87折
$360高薪Offer 簡歷、面試、談薪完全攻略 -
VIP 95折
軟件系統優化$534$507 -
VIP 95折
芯片的較量 (日美半導體風雲)$414$393 -
VIP 95折
Manus AI 智能體從入門到精通$294$279 -
87折
$981深度學習:基礎與概念 -
85折
$505GitHub Copilot 編程指南 -
87折
$469Cursor 與 Copilot 開發實戰 : 讓煩瑣編程智能化 -
85折
$551C#核心編程200例(視頻課程+全套源程序) -
VIP 95折
Verilog HDL 計算機網絡典型電路算法設計與實現$354$336 -
VIP 95折
SAAS + AI 架構實戰:業務解析、架構設計、AI 應用$708$673
簡體館年度書展|現貨2書79折3書75折 詳見活動內容 »
-
85折
$806Linux x64 匯編語言編程 -
VIP 95折
MCP 極簡開發 : 輕鬆打造高效智能體$479$455 -
VIP 95折
硬件系統模糊測試:技術揭秘與案例剖析$419$398 -
VIP 95折
生成式視覺模型原理與實踐$288$274 -
87折
$459AI大模型:賦能通信產業 -
VIP 95折
科學預測——預見科學之美$408$388 -
VIP 95折
Processing創意編程入門:從編程原理到項目案例$299$284 -
87折
$360高薪Offer 簡歷、面試、談薪完全攻略 -
VIP 95折
軟件系統優化$534$507 -
85折
$505GitHub Copilot 編程指南 -
85折
$551C#核心編程200例(視頻課程+全套源程序) -
VIP 95折
SAAS + AI 架構實戰:業務解析、架構設計、AI 應用$708$673 -
VIP 95折
深入淺出 Docker, 2/e$419$398 -
85折
$658Unity 特效制作:Shader Graph 案例精講 -
79折
$275零基礎玩轉國產大模型DeepSeek -
VIP 95折
人工智能大模型:機器學習基礎$774$735 -
VIP 95折
RAG 極簡入門:原理與實踐$419$398 -
VIP 95折
大模型實戰 : 從零實現 RAG 與 Agent 系統$419$398 -
VIP 95折
算法趣學(第2版)$348$331 -
VIP 95折
大模型理論與實踐——打造行業智能助手$354$336 -
VIP 95折
大模型應用開發 RAG 實戰課$599$569 -
85折
$509生成式人工智能 (基於 PyTorch 實現) -
VIP 95折
機器人抓取力學$894$849 -
VIP 95折
集成電路版圖設計從入門到精通$474$450 -
VIP 95折
Java 學習筆記, 6/e$839$797
相關主題
商品描述
機器學習是近年來漸趨熱門的一個領域,同時Python語言經過一段時間的發展也已逐漸成為主流的編程語言之一。本書結合了機器學習和Python語言兩個熱門的領域,通過易於理解的項目詳細講述瞭如何構建真實的機器學習應用程序。
全書共有10章。第1章講解了Python機器學習的生態系統,剩餘9章介紹了眾多與機器學習相關的算法,包括聚類算法、推薦引擎等,主要包括機器學習在公寓、機票、IPO市場、新聞源、內容推廣、股票市場、圖像、聊天機器人和推薦引擎等方面的應用。
本書適合Python程序員、數據分析人員、對算法感興趣的讀者、機器學習領域的從業人員及科研人員閱讀。
本文僅用於學習和交流目的,不代表異步社區觀點。非商業轉載請註明作譯者、出處,並保留本文的原始鏈接。
作者簡介
Alexander T. Combs是一位經驗豐富的數據科學家、策略師和開發人員。他有金融數據抽取、自然語言處理和生成,以及定量和統計建模的背景。他目前是紐約沈浸式數據科學項目的一名全職資深講師。
本文僅用於學習和交流目的,不代表異步社區觀點。非商業轉載請註明作譯者、出處,並保留本文的原始鏈接。
目錄大綱
- 第一章 Python 機器學習的生態系統
- 第2章構建應用程序,發現低價的公寓
- 第3章構建應用程序,發現低價的機票
- 第4章使用邏輯回歸預測IPO市場
- 第5章創建自定義的新聞源
- 第6章預測你的內容是否會廣為流傳
- 第7章使用機器學習預測股票市場
- 第8章建立圖像相似度的引擎
- 第9章打造聊天機器人
- 第10章構建推薦引擎
