白話大數據與機器學習
高揚、衛崢、尹會生著、萬娟 插畫設計
- 出版商: 碁峰資訊
- 出版日期: 2017-06-20
- 定價: $480
- 售價: 7.9 折 $379
- 語言: 繁體中文
- ISBN: 986476456X
- ISBN-13: 9789864764563
-
相關分類:
大數據 Big-data、Machine Learning
- 此書翻譯自: 白話大數據與機器學習
立即出貨(限量) (庫存=3)
買這商品的人也買了...
-
.jpg)
講重點商務溝通：從構思到報告面面俱到的英文寫作指南(Reader-Friendly Reports: A No-nonsense Guide to Effective Writing for MBAs, Consultants, and Other Professionals)$300$255 -
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 -
Python 機器學習 (Python Machine Learning)$580$452 -
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 -
好人主管的狡猾管理學：我自己來做還比較快？難怪你老是替部屬收爛攤，當主管該有的心理素質，要從狡猾開始。$300$255 -
$352Python大戰機器學習：數據科學家的第一個小目標 -
資料視覺化｜使用 Python 與 JavaScript (Data Visualization with Python and JavaScript: Scrape, Clean, Explore & Transform Your Data)$680$537 -
從人到人工智慧，破解 AI 革命的 68個核心概念：實戰專家全圖解 × 人腦不被電腦淘汰的關鍵思考$360$284 -
Effective SQL 中文版 | 寫出良好 SQL 的 61個具體做法 (Effective SQL : 61 Specific Ways to Write Better SQL)$450$356 -
TensorFlow + Keras 深度學習人工智慧實務應用$590$460 -
ASP.NET 專題實務 I -- C#入門實戰 (VS 2017版)(附長556分教學錄影檔)$820$648 -
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 -
最符合人腦的解讀方式：用 d3.js 完成網頁視覺化$540$459 -
認識資料科學的第一本書 (Data Analytics Made Accessible)$450$356 -
Python 初學特訓班 (增訂版) (附250分鐘影音教學/範例程式)$480$379 -
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
你問的問題，決定你是誰：為什麼企業要花大錢，只為了請他來問問題？ 因為人通常自己有答案，但不知道問題出在哪裡。$300$255 -
初探機器學習｜使用 Python (Thoughtful Machine Learning with Python)$480$379 -
孫正義一次OK的社內簡報術：3分鐘一舉過關！日本最強簡報術，各大企業競相採用$280$252 -
回話的態度：爭執、回答不清，是因為「太熟」，還是不經思考的「壞習慣」$280$238 -
原來，這才叫說‧重‧點：外商顧問、矽谷菁英都推崇的超條列式表達$240$216 -
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$425 -
精通大數據！R 語言資料分析與應用, 2/e$720$568 -
白話深度學習與 TensorFlow$480$379
商品描述
本書以降低學習門檻為宗旨，解說大數據與機器學習的相關基礎知識，只要具備高中數學基礎即可看懂。內容結合大量案例與生動的插畫，將高度抽象的數學、演算法與現實生活中的事件作關聯，幫助讀者理解。
本書精彩內容包括：
．大數據基礎，說明大數據應該具備的基礎數學知識
．大數據演算法，解說向量空間、回歸、聚類、分類等核心演算法
．大數據熱門應用：介紹推薦算法、文字挖掘、人工神經網路等技術的原理
．大數據主流框架：介紹Hadoop、Spark、Cassandra
目錄大綱
Chapter 01 大數據產業
Chapter 02 步入資料之門
Chapter 03 排列組合與古典機率
Chapter 04 統計與分佈
Chapter 05 指標
Chapter 06 資訊理論
Chapter 07 多維向量空間
Chapter 08 迴歸
Chapter 09 聚類
Chapter 10 分類
Chapter 11 關聯分析
Chapter 12 使用者側寫
Chapter 13 推薦演算法
Chapter 14 文字挖掘
Chapter 15 人工神經網路
Chapter 16 大數據框架簡介
Chapter 17 系統架構和最佳化
Chapter 18 資料解讀與資料的價值
.jpg)
