精通機器學習｜使用 Python (Introduction to Machine Learning with Python: A Guide for Data Scientists)
Sarah Guido, Andreas C. Mueller 著、李宜修 譯
- 出版商: 歐萊禮
- 出版日期: 2017-10-31
- 定價: $680
- 售價: 9.0 折 $612
- 貴賓價: 8.5 折 $578
- 語言: 繁體中文
- 頁數: 384
- ISBN: 9864763660
- ISBN-13: 9789864763665
-
相關分類:
Python、Machine Learning 機器學習
- 此書翻譯自: Introduction to Machine Learning with Python: A Guide for Data Scientists (Paperback)
-
相關翻譯:
Python 機器學習基礎教程 (Introduction to Machine Learning with Python: A Guide for Data Scientists) (簡中版)
已絕版
買這商品的人也買了...
-
大話設計模式$620$527 -
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 -
$250鳳凰計畫：一個 IT計畫的傳奇故事 (The Phoenix Project : A Novel about IT, DevOps, and Helping your business win)(沙盤特別版) -
Python 機器學習 (Python Machine Learning)$580$452 -
網站擷取｜使用 Python (Web Scraping with Python: Collecting Data from the Modern Web)$580$458 -
Data Science from Scratch｜用 Python 學資料科學 (中文版)(Data Science from Scratch: First Principles with Python)$580$458 -
深度學習快速入門—使用 TensorFlow (Getting started with TensorFlow)$360$281 -
演算法技術手冊, 2/e (Algorithms in a Nutshell: A Practical Guide, 2/e)$580$458 -
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$371 -
Python 初學特訓班 (增訂版) (附250分鐘影音教學/範例程式)$480$408 -
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
奔跑吧 Linux 內核$948$901 -
初探機器學習｜使用 Python (Thoughtful Machine Learning with Python)$480$379 -
用 TensorFlow 提早進入人工智慧的未來世界$560$476 -
Soft Skills 軟實力｜軟體開發人員的生存手冊 (Soft Skills: The software developer's life manual)$520$442 -
Docker 這樣學才有趣：從入門，到玩直播、挖礦$450$383 -
Python：期貨演算法交易實務 121個關鍵技巧詳解$500$390 -
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$450$356 -
為你自己學 Git$500$390 -
初探機器學習演算法$480$408 -
Python 入門邁向高手之路王者歸來$699$489 -
Python 資料科學學習手冊 (Python Data Science Handbook: Essential Tools for Working with Data)$780$616 -
Python 深度學習 (Python Deep Learning)$620$484 -
Python 資料運算與分析實戰：一次搞懂 NumPy, SciPy, Matplotlib, Pandas 最強套件$590$466
相關主題
商品描述
資料科學的學習指引 “對任何想要使用Python開始機器學習的人，這本書是很棒且超實用的資源。真希望當我開始使用scikit-learn時有這本書！” -Hanna Wallach, 微軟研究院資深研究員
機器學習已成為許多商業應用程式與研究專案的精華部分，但這個領域並不是大公司中規模龐大的研究團隊所獨有。
就算是使用Python的初學者，這本書也能教會你實際的方法，來建立自己的機器學習解決方案。
以現今可以取得的資料量來說，只要你能想到的，機器學習應用程式都能做到。
你將學習必要的步驟，使用Python和scikit-learn函式庫，來建立成功的機器學習應用程式。
作者Andreas Müller和Sarah Guido聚焦於使用機器學習演算法的實務面向，而不是它們背後的數學。
熟悉NumPy和matplotlib函式庫，將幫助你能從這本書獲益更多。
透過這本書，你將學到：
‧基本概念和機器學習應用程式
‧廣泛應用機器學習演算法的優點和缺點
‧使用機器學習如何重現資料，包含資料的重點面向
‧模型評估的進階方法和參數調整
‧對鏈結模型的pipeline概念和封裝工作流程
‧運作文字資料的方法，包含特定文字的處理技術
‧對改善機器學習和資料科學技巧的建議 "
目錄大綱
前言
chapter 01 導讀
chapter 02 監督式學習
chapter 03 非監督式學習和前處理
chapter 04 資料重現和特徵工程
chapter 05 評估和改善模型
chapter 06 演算法 Chains 和 Pipelines
chapter 07 使用文字資料工作
chapter 08 尾聲
索引