登入
|
註冊
|
會員中心
|
結帳
|
培訓課程
魔法弟子
|
自資出版
|
電子書
|
客服中心
|
智慧型立体會員
書名
出版社
作者
isbn
編號
5050魔法眾籌
|
NG書城
|
國際級品牌課程
|
優惠通知
|
霹靂英雄音樂精選
|
iPhone 4S JB解禁秘術:Cydia 超限軟體300+
此作者無相關書籍
文學小說
文學
|
小說
商管創投
財經投資
|
行銷企管
人文藝坊
宗教、哲學
社會、人文、史地
藝術、美學
|
電影戲劇
勵志養生
醫療、保健
料理、生活百科
教育、心理、勵志
進修學習
電腦與網路
|
語言工具
雜誌、期刊
|
軍政、法律
參考、考試、教科用書
科學工程
科學、自然
|
工業、工程
家庭親子
家庭、親子、人際
青少年、童書
玩樂天地
旅遊、地圖
|
休閒娛樂
漫畫、插圖
|
限制級
站穩AI大師的第一步:最直覺機器學習
作者:
王聖元
分類:
電腦與網路
/
綜論
出版社:
深智數位
出版日期:2020/5/20
ISBN:9789865501327
書籍編號:kk0511331
頁數:448
定價:
780
元
優惠價:
79
折
616
元
書價若有異動,以出版社實際定價為準
訂購後立即為您進貨
訂購後立即為您進貨:目前無庫存量,讀者下訂後,開始進入調書程序,一般天數約為2-10工作日(不含例假日)。
團購數最低為 20 本以上
評價數:
(請將滑鼠移至星星處進行評價)
目前平均評價:
文字連結
複製語法
站穩AI大師的第一步:最直覺機器學習
圖片連結
複製語法
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
站穩AI大師的第一步:最直覺機器學習 內容簡介 ◎一本讓你打下最紮實基礎的機器學習數學書 ◎ 理論及實作並重,全盤了解機器學習 ◎ 線性、非線性、整合模型說明 ◎ 線性回歸怎麼來的,邏輯回歸怎麼走的,正規化 ◎ 支援向量機精華,決策樹以及單純貝氏定理 ◎ 神經網路及正反向傳播的推導 ◎ 整合學習的來龍去脈,隨機森林和提升樹 ◎ xgboost極度梯度提升 學習並精通任何一門學科無外乎要經過四個步驟:它是什麼?它可行嗎?怎麼學它?如何學好它?機器學習也不例外,本書就以這四個步驟來介紹機器學習。 每一章都以通俗的引言開始,吸引讀者;以精美的思維導圖過渡,讓說明想法更清晰;以簡要的歸納結束,讓讀者加強所學的知識。理論和實作相結合,既有嚴謹的數學推導,又有多樣(Python 和MATLAB)的程式展示,圖文並茂。 前3 章屬於機器學習的概述。作者在這3 章花費的時間最多,絕對讓讀者有所收穫。 第4∼14 章介紹「如何學好機器學習」,重點介紹機器學習的各種演算法和調參技巧。 第1章「機器學習是什麼」,從定義開始,詳細介紹機器學習有關的知識、資料和效能度量。 第2章「機器學習可行嗎」,介紹機器具備學習樣本以外的資料的能力。 第3章「機器學習怎麼學」,介紹機器如何選擇出最佳模型。 第4∼8章 介紹線性模型,包含線性回歸模型、對率回歸模型、正規化回歸模型、支援向量機模型。 第9∼11章 介紹非線性模型,包含單純貝氏模型、決策樹模型、類神經網路模型、正向/反向傳播模型。 第12∼14章 介紹整合模型,包含隨機森林模型、提升樹模型、極度梯度提升模型。 第15章 介紹機器學習中的一些非常實用的經驗,包括學習策略、目標設定、誤差分析、偏差和方差分析。 適合讀者群: 機器學習初學者、對機器學習感興趣者,或大專院校相關科系學生。
作者簡介 王聖元 金融風險管理師;特許另類投資分析師。 學習及工作經歷:現任新加坡某金融諮詢公司總監。擁有新加坡國立大學 量化金融學士學位和金融數學碩士學位。 自我學習過程:獲得金融風險管理師 (FRM) 和特許另類投資分析師 (CAIA)認證,及 Coursera 頒發的機器學習、深度學習和TensorFlow實戰的認證。 平時堅持寫作,是公眾號「王的機器」的主理人,分享了關於金融工程、機器學習和量化投資的文章。 信念:“Yearning for Learning, Leading by Reading, Distilling by Writing.」(多學多讀多寫,終身渴望學習,通過讀書保持領先,通過寫作用心灌輸。)
目錄 前言 01 機器學習是什麼--機器學習定義 1.1 資料 1.2 機器學習類別 1.3 效能度量 1.4 歸納 參考資料 02 機器學習可行嗎--計算學習理論 2.1 基礎知識 2.2 核心推導 2.3 結論應用 2.4 歸納 參考資料 技術附錄 03 機器學習怎麼學--模型評估選擇 3.1 模型評估 3.2 訓練誤差和測試誤差 3.3 驗證誤差和交換驗證誤差 3.4 誤差剖析 3.5 模型選擇 3.6 歸納 參考資料 技術附錄 04 線性回歸 4.1 基礎知識 4.2 模型介紹 4.3 歸納 參考資料 05 邏輯回歸 5.1 基礎內容 5.2 模型介紹 5.3 歸納 參考資料 06 正規化回歸 6.1 基礎知識 6.2 模型介紹 6.3 歸納 參考資料 07 支援向量機 7.1 基礎知識 7.2 模型介紹 7.3 歸納 參考資料 技術附錄 08 單純貝氏 8.1 基礎知識 8.2 模型介紹 8.3 歸納 參考資料 技術附錄 09 決策樹 9.1 基礎知識 9.2 模型介紹 9.3 歸納 參考資料 10 類神經網路 10.1 基礎 10.2 模型應用 11 正向/反向傳播 11.1 基礎知識 11.2 演算法介紹 11.3 歸納 參考資料 技術附錄 12 整合學習 12.1 結合假設 12.2 裝袋法 12.3 提升法 12.4 整合方式 12.5 歸納 參考資料 13 隨機森林和提升樹 13.1 基礎知識 13.2 模型介紹 13.3 歸納 參考資料 14 極度梯度提升 14.1 基礎知識 14.2 模型介紹 14.3 歸納 參考資料 15 本書歸納 15.1 正交策略 15.2 單值評估指標 15.3 偏差和方差 A 結語
成為AI無法取代的那
AI應用全解,跨越技
LLM資安教戰手冊|
工程師下班有約:企業
深度學習詳解|台大李
AI 提問 X 學習
我們與機器人的光明未
全面掌握DeepSe
Microsoft
AI時代的計算機概論
為了保障您的權益,新絲路網路書店所購買的商品均享有到貨七天的鑑賞期(含例假日)。退回之商品必須於鑑賞期內寄回(以郵戳或收執聯為憑),且商品必須是全新狀態與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等),否則恕不接受退貨。