今天不學機器學習,明天就被機器取代:從 Python 入手+演算法
鄭捷
- 出版商: 佳魁資訊
- 出版日期: 2016-11-29
- 定價: $590
- 售價: 8.5 折 $502
- 語言: 繁體中文
- 頁數: 496
- ISBN: 9863794325
- ISBN-13: 9789863794325
-
相關分類:
Python 程式語言、Machine Learning 機器學習、Algorithms-data-structures 資料結構與演算法
- 相關原文書: 機器學習算法原理與編程實踐 銷售排行: 👍 2017 年度 繁體中文書 銷售排行 第 9 名
🥈 2017/1 繁體中文書 銷售排行 第 2 名
🥇 2016/12 繁體中文書 銷售排行 第 1 名
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
$620$527大話設計模式
-
$580$452無瑕的程式碼-敏捷軟體開發技巧守則 (Clean Code: A Handbook of Agile Software Craftsmanship)
-
$780$616精通 Python|運用簡單的套件進行現代運算 (Introducing Python: Modern Computing in Simple Packages)
-
$360$288完整學會 Git, GitHub, Git Server 的24堂課
-
$490$417改變未來 20年最重要的 20個視覺機器學習理論深讀
-
$580$452Python 機器學習 (Python Machine Learning)
-
$680$530Python + Spark 2.0 + Hadoop 機器學習與大數據分析實戰
-
$580$458網站擷取|使用 Python (Web Scraping with Python: Collecting Data from the Modern Web)
-
$580$435Data Science from Scratch|用 Python 學資料科學 (中文版)(Data Science from Scratch: First Principles with Python)
-
$560$476不止是測試:Python 網路爬蟲王者 Selenium
-
$720$562iOS 10 App 程式設計實力超進化實戰攻略 : 知名 iOS教學部落格 AppCoda 作家親授實作關鍵技巧讓你不NG
-
$690$538Python 新手使用 Django 架站的 16堂課 - 活用 Django Web Framework 快速建構動態網站
-
$450$405Effective Debugging 中文版 | 軟體與系統除錯的 66 個具體作法 (Effective Debugging: 66 Specific Ways to Debug Software and Systems)
-
$480$384Python 初學特訓班 (附250分鐘影音教學/範例程式)
-
$580$458高效率資料分析|使用Python (Foundations for Analytics with Python)
-
$500$395Python 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)
-
$360$281深度學習快速入門—使用 TensorFlow (Getting started with TensorFlow)
-
$580$458演算法技術手冊, 2/e (Algorithms in a Nutshell: A Practical Guide, 2/e)
-
$403
Tensorflow:實戰Google深度學習框架
-
$590$460TensorFlow+Keras 深度學習人工智慧實務應用
-
$390$332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)
-
$580$458Deep Learning|用 Python 進行深度學習的基礎理論實作
-
$480$379初探機器學習|使用 Python (Thoughtful Machine Learning with Python)
-
$450$356演算法圖鑑:26種演算法 + 7種資料結構,人工智慧、數據分析、邏輯思考的原理和應用 step by step 全圖解
-
$500$390為你自己學 Git
商品描述
<內容簡介>
圍繞三大主線:神經網路、智慧推理、矩陣計算
提供豐富案例:近25個經典的演算法講解
解剖具代表性的演算法:Scikit-Learn、OpenCV、Theano
本書以機器學習原理和演算法編碼學習為主,內容分二大主線:單個演算法的原理講解和機器學習理論的發展變遷。
演算法除包含傳統的分類、聚類、預測等常用演算法之外,還新增深度學習、貝氏網、隱馬克夫模型等內容。每個演算法,都涵蓋提出問題、解決策略、數學推導、編碼實現、結果評估等部分。
數學推導力圖做到深入淺出。結構上數學原理與程式碼一一對照,有助於降低學習門檻,加深公式的理解,發揮推廣和擴大機器學習的作用。
適合:對機器學習演算法有興趣者,或工程技術人員。
<章節目錄>
前言
01 機器學習的基礎
1.1 程式語言與開發環境
1.2 物件、矩陣與向量化程式設計
1.3 機器學習的數學基礎
1.4 資料處理與視覺化
1.5 Linux 作業系統下部署Python 機器學習開發環境
1.6 結語
02 中文文字分類
2.1 文字採擷與文字分類的概念
2.2 文字分類專案
2.3 分類演算法:單純貝氏
2.4 分類演算法:kNN
2.4.3 評估分類結果
2.5 結語
03 決策樹的發展
3.1 決策樹的基本思想
3.2 ID3 決策樹
3.3 C4.5 演算法
3.4 Scikit-Learn 與回歸樹
3.5 結語
04 推薦系統原理
4.1 推薦系統概述
4.2 協作過濾及其演算法
4.3 KMeans 演算法詳解
4.4 分群的改進:二分KMeans 演算法
4.5 SVD 演算法詳解
4.6 結語
05 梯度尋優
5.1 最最佳化與計算複雜性
5.2 Logistic 梯度下降法
5.3 演算法分析
5.4 隨機梯度下降法:演算法改進與評估
5.5 結語
06 神經網路初步
6.1 神經網路簡史
6.2 BP 神經網路理論
6.3 BP 網路的實現和評估
6.4 自我組織特徵對映神經網路
6.5 Boltzmann 機演算法
6.6 結語
07 預測的技術與哲學
7.1 線性系統的預測
7.2 徑向基網路
7.3 嶺回歸
7.4 預測的哲學
7.5 結語
08 萬能分類器——支援向量機
8.1 支援向量機的理論基礎
8.2 SVM 的數學推導
8.3 SMO 演算法
8.4 SVM 中文文字分類
8.5 結語
09 人臉識別中的機器學習
9.1 模式識別概述
9.2 人臉檢測
9.3 AdaBoost 演算法概述
9.4 人臉識別
9.5 結語
10 認知計算與深度學習
10.1 認知計算
10.2 多層感知器
10.3 旋積神經網路
10.4 Theano 安裝與GPU 運算
10.5 結語
11 機率圖模型與詞性標記
11.1 馬可夫過程
11.2 機率圖模型和貝氏網
11.3 隱馬可夫模型
11.4 詞性標記系統
11.5 結語