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
|
App程式設計入門：iPhone、iPad(附光碟)
．
SQL的五十道練習：
．
輕鬆學習R語言(第三
．
輕鬆學習R語言(第二
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
新手村逃脫！初心者的 Python 機器學習攻略（iT邦幫忙鐵人賽系列書）
作者：
郭耀仁
分類：
電腦與網路
／
程式語言
叢書系列：單行本
出版社：
博碩文化
出版日期：2020/8/20
ISBN：9789864345076
書籍編號：kk0517026
頁數：256
定價：
500
元
優惠價：
79
折
395
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=kk0517026'>新手村逃脫！初心者的 Python 機器學習攻略（iT邦幫忙鐵人賽系列書）</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0517026'><img src='https://www.silkbook.com/mall_image/bk/kk0517026.jpg' ALT='新手村逃脫！初心者的 Python 機器學習攻略（iT邦幫忙鐵人賽系列書）' height='120' width='90'></a>
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
新手村逃脫！初心者的 Python 機器學習攻略（iT邦幫忙鐵人賽系列書） 內容簡介 使用 Python 程式語言實作機器學習基礎理論的入門書，均衡涵蓋程式套件應用與理論推導，透過本書讀者能夠按圖索驥，走出機器學習新手村，成功一轉！ ❶ 先使用套件現成類別與函式 ❷ 再認識演算方法理論與推導 ❸ 最後使用自行定義類別重現 本書內容改編自第 8 屆 iT 邦幫忙鐵人賽，Big Data 組冠軍網路系列文章──《 R 語言使用者的 Python 學習筆記》，從系列文章中後段開始改寫，省略了原本 Python 基礎語法、網頁資料擷取（俗稱爬蟲）與 Pandas 的章節，著重在以 NumPy、Matplotlib、Scikit-Learn 入門機器學習基礎理論的部分，並與作者的實體課程 (台大工商管理學系、台大資工系統訓練班與中華電信學院等資料科學課程) 教材整合編修而成。 三大重點 ❶ 先使用套件現成類別與函式 ☛NumPy 的 N 維陣列操作與運算 ☛物件導向風格的 Matplotlib 視覺化 ☛Scikit-Learn 的五個核心理念 ☛Keras 的模型建立步驟 ❷ 再認識演算方法理論與推導 ☛均方誤差函式 ☛梯度遞減演算方法 ☛交叉熵函式 ☛前向傳播與反向傳播 ❸ 最後使用自行定義類別重現 ☛正規方程類別 ☛梯度遞減類別與 AdaGrad 類別 ☛羅吉斯迴歸類別 ☛深度學習類別
作者簡介 郭耀仁 畢業自台灣大學商學研究所，現在是一名講師，在台大工商管理學系、台大資工系統訓練班與中華電信學院等機構講授資料科學課程，亦有一門 Hahow 好學校線上課程：如何成為資料分析師。 任職過上海的韓商新創、台北的美商軟體公司、銀行與美商顧問公司；閒暇時喜歡跑步與寫作部落格 Datainpoint。 在 2017 年以主題《R 語言使用者的 Python 學習筆記》獲得第 8 屆 iT 邦幫忙鐵人賽 Big Data 組冠軍。
目錄 CHAPTER 1 關於視覺化與機器學習 1.1 一個資料科學專案 1.2 何謂視覺化 1.3 為何視覺化 1.4 何謂機器學習 1.5 pyvizml 模組 1.6 為何機器學習 1.7 延伸閱讀 CHAPTER 2 數列運算 2.1 關於 NumPy 2.2 為何 NumPy 2.3 如何建立 ndarray 2.4 常用的 ndarray 屬性 2.5 純量、向量、矩陣與張量 2.6 ndarray 的索引 2.7 ndarray 的切割 2.8 ndarray 特別的索引 2.9 重塑外觀 2.10 複製陣列 2.11 合併陣列 2.12 通用函式 2.13 聚合函式 2.14 延伸閱讀 CHAPTER 3 資料探索 3.1 關於 Matplotlib 3.2 為何 Matplotlib 3.3 使用 Matplotlib 的兩種方式 3.4 輸出 Matplotlib 作圖 3.5 常見的探索性資料分析 3.6 觀察數值資料相關性的需求 3.7 觀察類別資料排序的需求 3.8 觀察數值資料分布的需求 3.9 觀察數學函式外觀的需求 3.10 觀察區域海拔高度的需求 3.11 顯示二維數值陣列的需求 3.12 如何為圖形增加元素 3.13 如何在圖形中加入中文字 3.14 如何繪製子圖 3.15 延伸閱讀 CHAPTER 4 機器學習入門 4.1 關於 Scikit-Learn 4.2 為何 Scikit-Learn 4.3 五個核心理念 4.4 機器學習的資料表達 4.5 Scikit-Learn 的支援場景 4.6 關於訓練、驗證與測試資料 4.7 延伸閱讀 CHAPTER 5 數值預測的任務 5.1 關於數值預測的任務 5.2 以 Scikit-Learn 預測器完成數值預測任務 5.3 正規方程 Normal Equation 5.4 自訂正規方程類別 NormalEquation 5.5 計算複雜性 5.6 梯度遞減 Gradient Descent 5.7 自訂梯度遞減類別 GradientDescent 5.8 標準化與進階的梯度遞減 5.9 延伸閱讀 CHAPTER 6 類別預測的任務 6.1 關於類別預測的任務 6.2 以 Scikit-Learn 預測器完成類別預測任務 6.3 羅吉斯迴歸 6.4 自訂羅吉斯迴歸類別 LogitReg 6.5 二元分類延伸至多元分類：One versus rest 6.6 二元分類延伸至多元分類：Softmax 函式 6.7 兩種表示類別向量的形式 6.8 延伸閱讀 CHAPTER 7 表現的評估 7.1 如何評估機器學習演算方法 7.2 評估數值預測任務的表現 7.3 評估類別預測任務的表現 7.4 自訂計算評估指標的類別 ClfMetrics 7.5 誤差的來源 7.6 減少訓練誤差 7.7 減少訓練誤差與測試誤差的間距 7.8 延伸閱讀 CHAPTER 8 深度學習入門 8.1 什麼是深度學習 8.2 為何深度學習 8.3 什麼是 Keras 8.4 為何 Keras 8.5 撰寫 Keras 的步驟 8.6 前向傳播 8.7 反向傳播 8.8 自訂深度學習類別 DeepLearning 8.9 MNIST 資料與時裝 MNIST 資料 8.10 延伸閱讀 APPENDIX A pyvizml.py
生成式 AI 專案實
從零開始學Pytho
共生之道：人類逆襲A
一本書讀懂DeepS
快速精通iOS 18
一本搞定DeepSe
圖說演算法 : 使用
圖說運算思維與演算邏
圖解資料結構×演算法
圖解資料結構：使用J
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。
