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
|
資料探勘理論與應用**：以IBM SPSS Modeler為範例(附CD)
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
非監督式學習：使用Python
作者：
Ankur A. Patel
譯者：
盧建成
分類：
電腦與網路
／
資料庫
出版社：
美商歐萊禮中文書
出版日期：2020/3/25
ISBN：9789865024062
書籍編號：kk0508196
頁數：376
定價：
680
元
優惠價：
82
折
558
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
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0508196'>非監督式學習：使用Python</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0508196'><img src='https://www.silkbook.com/mall_image/bk/kk0508196.jpg' ALT='非監督式學習：使用Python' height='120' width='90'></a>
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
非監督式學習：使用Python 內容簡介 從無標籤資料應用機器學習解決方案 “研究人員、工程師與學生將會喜歡這本書，因為本書充滿務實的非監督式學習技術，採用平鋪直述的方式，以及囊括了可快速練習的Python範例。” –Sarah Nagy Senior Data Scientist at Edison 許多專家認為非監督式學習是人工智慧的下一個前沿技術，並且是邁向強人工智慧的關鍵。由於世界上大多數資料都沒有標籤，因此無法應用傳統的監督式學習。從另一方面來說，非監督式學習則可以應用在無標籤的資料集，用以發現埋藏在資料深處裡有意義的樣式，而這些樣式幾乎不可能被人類發現。 作者Ankur Patel藉由使用兩個簡單且已經可實際運用於業務開發(production-ready)的Python框架：Scikit-learn和Keras來示範如何應用非監督式學習。透過程式碼和實際操作範例，數據科學家將從資料中識別難以發現的樣式，獲得更深入的商業洞見、檢測異常、執行自動特徵工程和特徵選擇，以及生成合成資料集。你所需要的只是程式能力和一些機器學習經驗。 •比較不同機器學習方法的優點和缺點：監督、非監督和強化學習 •完整地設置和管理機器學習項目 •為信用卡詐欺建立偵測系統 •按照相同與不相同將使用者進行分群 •實作半監督式學習 •使用受限玻爾茲曼機(restricted Boltzmann machine, RBM)開發電影推薦系統 •使用生成對抗網路建立合成影像
作者簡介 Ankur A. Patel Ankur A. Patel 是7Park Data(Vista Equity Partner項目公司)的數據科學副總裁。在7Park Data，Ankur和他的數據科學團隊採用替代資料為對沖基金和公司構建數據產品，並為企業開發機器學習即服務(MLaaS)。
目錄 前言 第一部分 非監督式學習的基礎 chapter 01 機器學習領域裡的非監督式學習 chapter 02 完整的機器學習專案 第二部分 使用 Scikit-Learn 開發非監督式學習 chapter 03 維度縮減 chapter 04 異常偵測 chapter 05 分群 chapter 06 群組區隔 第三部分 使用 TensorFlow 和 Keras 開發非監督式學習 chapter 07 自動編碼器（Autoencoder） chapter 08 實際操作自動編碼器 chapter 09 半監督式學習 第四部分 使用 TensorFlow 和 Keras 開發非監督式深度學習模型 chapter 10 推薦系統使用受限波爾茲曼機 chapter 11 使用深度信念網路（DBNs）進行特徵偵測 chapter 12 生成對抗網路 chapter 13 時序型資料分群法 chapter 14 結論 索引
架構資料與機器學習平
你的第一本Git與G
商用大數據分析(第二
Notion X A
dbt 與 Anal
7天學會大數據資料處
Power Quer
Power BI大數
Power BI商業
MySQL資料庫開發
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。
