µn¤J
¡U
µù¥U
¡U
·|û¤¤¤ß
¡U
µ²±b
¡U
°ö°V½Òµ{
Å]ªk§Ì¤l
¡U
¦Û¸ê¥Xª©
¡U
¹q¤l®Ñ
¡U
«ÈªA¤¤¤ß
¡U
´¼¼z«¬¥ßÊ^·|û
®Ñ¦W
¥Xª©ªÀ
§@ªÌ
isbn
½s¸¹
5050Å]ªk²³Äw
|
NG®Ñ«°
|
°ê»Ú¯Å«~µP½Òµ{
|
Àu´f³qª¾
|
ÅRÆE^¶¯µ¼Öºë¿ï
|
·L³B²z¾÷¡þ³æ´¹¤ù²Õ¦X»y¨¥±Ð¾Ç½d¥»(ªþCD)
¡D
ª«Ápºô¸ê°T¦w¥þ¹ê°È¤J
¤å¾Ç¤p»¡
¤å¾Ç
¡U
¤p»¡
°ÓºÞ³Ð§ë
°]¸g§ë¸ê
¡U
¦æ¾P¥øºÞ
¤H¤åÃÀ§{
©v±Ð¡Bõ¾Ç
ªÀ·|¡B¤H¤å¡B¥v¦a
ÃÀ³N¡B¬ü¾Ç
¡U
¹q¼vÀ¸¼@
Ày§Ó¾i¥Í
ÂåÀø¡B«O°·
®Æ²z¡B¥Í¬¡¦Ê¬ì
±Ð¨|¡B¤ß²z¡BÀy§Ó
¶i׾Dzß
¹q¸£»Pºô¸ô
¡U
»y¨¥¤u¨ã
Âø»x¡B´Á¥Z
¡U
x¬F¡Bªk«ß
°Ñ¦Ò¡B¦Ò¸Õ¡B±Ð¬ì¥Î®Ñ
¬ì¾Ç¤uµ{
¬ì¾Ç¡B¦ÛµM
¡U
¤u·~¡B¤uµ{
®a®x¿Ë¤l
®a®x¡B¿Ë¤l¡B¤H»Ú
«C¤Ö¦~¡Bµ£®Ñ
ª±¼Ö¤Ñ¦a
®È¹C¡B¦a¹Ï
¡U
¥ð¶¢®T¼Ö
º©µe¡B´¡¹Ï
¡U
¨î¯Å
¾÷¾¹¾Ç²ß¡G¨Ï¥ÎPython(ªþ½d¨Ò¥úºÐ)
§@ªÌ¡G
徐偉智
¤ÀÃþ¡G
°Ñ¦Ò¡E¦Ò¸Õ¡E±Ð¬ì®Ñ
¡þ
¤j±M¾Ç°|±Ð¬ì®Ñ
ÂO®Ñ¨t¦C¡G¤j±M¹q¤l?
¥Xª©ªÀ¡G
¥þµØ¹Ï®Ñ
¥Xª©¤é´Á¡G2023/5/8
ISBN¡G9786263284463
®ÑÄy½s¸¹¡Gkk0573495
¶¼Æ¡G332
©w»ù¡G
450
¤¸
Àu´f»ù¡G
88
§é
396
¤¸
®Ñ»ùY¦³²§°Ê¡A¥H¥Xª©ªÀ¹ê»Ú©w»ù¬°·Ç
qÁÊ«á¥ß§Y¬°±z¶i³f
qÁÊ«á¥ß§Y¬°±z¶i³f¡G¥Ø«eµL®w¦s¶q,ŪªÌ¤Uq«á,¶}©l¶i¤J½Õ®Ñµ{§Ç,¤@¯ë¤Ñ¼Æ¬ù¬°2-10¤u§@¤é(¤£§t¨Ò°²¤é)¡C
¹ÎÁʼƳ̧C¬° 20 ¥»¥H¤W
µû»ù¼Æ¡G
(½Ð±N·Æ¹«²¾¦Ü¬P¬P³B¶i¦æµû»ù)
¥Ø«e¥§¡µû»ù¡G
¤å¦r³sµ²
½Æ»s»yªk
¾÷¾¹¾Ç²ß¡G¨Ï¥ÎPython(ªþ½d¨Ò¥úºÐ)
¹Ï¤ù³sµ²
½Æ»s»yªk
¤À
¨É
¤º®e²¤¶
®ÑÄy¥Ø¿ý
¦PÃþ±ÀÂË
機器學習¡G使用Python(ªþ範例光碟) 內容簡介 機器學習是AI人工智慧的基礎¡A但機器學習本¨是ªù¸û°ª深的½Ò程¡A¦Ó本書為了ÅýŪªÌ¯à夠快³t理¸Ñ¡A從入ªùªÌ的¨¤度做編寫¡C書中先Á¿zAI及Python»y¨¥¡A½Æ習Python基礎»y法到¶i¶¥»y法¡AÅýŪªÌ先掌握Python»y¨¥¡A接µÛ學習機器學習的各種實作¶µ目¡A如¸ê料分析¡B線性回歸模型及模型µû估等¡AÂÇ此對於機器學習有更¶i一步的»{ÃÑ¡C 本書特¦â "1.從入ªùªÌ的¨¤度編寫¡A快³t幫ŪªÌ½Æ習Python»y¨¥後¡A再介紹機器學習概½×及模型¡C 2.Á¿z機器學習的各種實作¶µ目¡A如¸ê料分析¡B線性回歸模型及模型µû估等¡A並提供範例程式給ŪªÌ練習¡C 3.最後一章簡單介紹其他AI相Ãö主ÃD¡A例如單純¨©氏分Ãþ器¡B¸ê料前³B理¡B¶°成學習等¡C "
"²Ä¤@³¹¡@AI¡BAI§Þ³N»PAIÀ³¥Î 1-1¡@¤H¤u´¼¼z 1-2¡@AI§Þ³N 1-3¡@AIÀ³¥Î 1-4¡@AI»P¼Æ¾Ç 1-5¡@AI»P½sµ{ 1-6¡@¦ó¿×²`«×¾Ç²ß¡H ²Ä¤G³¹¡@Python°ò¦½sµ{»yªk 2-1¡@¦ó¿×ÅܼơH 2-2¡@½sµ{ªº¾Þ§@«¬©w¸q¡ã¥HÅܼƬ°¨Ò 2-3¡@¹Bºâ»P¸ê®Æ 2-4¡@¨Mµ¦(if)»yªk 2-5¡@while °j°é 2-6¡@for °j°é 2-7¡@¥\¯à©I¥s (function call) 2-8¡@¥þ°ìÅܼƻP°Ï°ìÅÜ¼Æ 2-9¡@List ¸ê®Æµ²ºc 2-10¡@ª«¥óªº°ò¥»Æ[©À 2-11¡@numpy¼Ò²Õªº¦hºû°}¦C ²Ä¤T³¹¡@Python¶i¶¥½sµ{»yªk 3-1¡@¦V¶q¹Bºâ¼Ò¦¡»Pªx¤Æ¨ç¦¡ 3-2¡@matplotlibø¹Ï¼Ò²Õªº¹B¥Î 3-3¡@Àɮתº¿é¤J¿é¥X 3-4¡@ª«¥ó¾É¦Vµ{¦¡³]p°ò¥»·§©À 3-5¡@¨ä¥L ²Ä¥|³¹¡@¸ê®Æ¤ÀªRªº°ò¥»Æ[©À 4-1¡@ÀH¾÷¨ú¼Ë 4-2¡@ºKn²Îp(summary statistics) 4-3¡@¦@Åܲ§¼Æ»P¬ÛÃö«Y¼Æ 4-4¡@¸ê®Æ¤À¸sºtºâªk 4-5¡@PythonªºK-means ¤À¸sºtºâªkªºÀ³¥Î ²Ä¤³¹¡@½u©Ê°jÂk¼Ò«¬ 5-1¡@½u©Ê°jÂkªº¼Æ¾Çì²z 5-2¡@Pythonªº½u©Ê°jÂk¼Ò²Õ 5-3¡@½u©Ê¦^Âk¼Ò«¬ªºÀ³¥Î 5-4¡@ù¦N´µ°jÂk¡@ ²Ä¤»³¹ ½u©Ê¤ÀÃþ¾¹ 6-1¡@½u©Ê°jÂk¤ÀÃþ¾¹ 6-2¡@¤ä«ù¦V¶q¾÷¤ÀÃþ¾¹ 6-3¡@SVMì²z±À¾É 6-4¡@®Ö¨ç¼Æ 6-5¡@SVMªº¦h¤¸¤ÀÃþÀ³¥Î ²Ä¤C³¹¡@«D½u©Ê¤ÀÃþ¾¹ 7-1¡@Ãþ¯«¸gºô¸ô¤ÀÃþ¾¹·§½× 7-2¡@Ãþ¯«¸gºô¸ôÀ³¥Î 7-3¡@PythonªºÃþ¯«¸gºô¸ô¾÷¾¹¾Ç²ß¼Ò²Õ 7-4¡@¨Mµ¦¾ð¹ê°ÈÀ³¥Î ²Ä¤K³¹¡@¼Ò«¬µû¦ô 8-1¡@¤ÀÃþ¾¹®Ä¯à«ü¼Ð 8-2¡@ROC ¦±½u 8-3¡@´Ý®t¤ÀªR ²Ä¤E³¹ ¨ä¥LAI¬ÛÃö¥DÃD 9-1¡@k³Ìªñ¾F¤ÀÃþºtºâªk 9-2¡@³æ¯Â¨©¤ó¤ÀÃþ¾¹ 9-3¡@¥Dn¦¨¤À¤ÀªR 9-4¡@¸ê®Æ«e³B²z 9-5¡@¶°¦¨¾Ç²ß ªþ¿ýA Python¦w¸Ë»P¨Ï¥Î "
¶¼®Æ¹ê°ÈÁ`½Æ²ß(²Ä¤T
¤ÀªR¤Æ¾Ç¹êÅç(²Ä¤ª©
²Îp¾Ç(²Ä¤ª©)
µø¥úÃIJz¾Ç(²Ä¤ª©)
°]°ÈºÞ²z²z½×»PÀ³¥Î(
·s½sÀô¹Ò¬rª«¾Ç(²Ä¤G
¥Í¬¡¬ì§Þ(²Ä¤»ª©)
¤º¥~¬ìÅ@²z§Þ³N(²Ä¤Q
Javaµ{¦¡³]p¤Jªù
²{¥N°Ó¥Î^¤å¢w¢w®Ñ«H
¬°¤F«O»Ù±zªºÅv¯q¡A·sµ·¸ôºô¸ô®Ñ©±©ÒÁʶRªº°Ó«~§¡¨É¦³¨ì³f¤C¤ÑªºÅ²½à´Á¡]§t¨Ò°²¤é¡^¡C°h¦^¤§°Ó«~¥²¶·©óŲ½à´Á¤º±H¦^¡]¥H¶lÂW©Î¦¬°õÁp¬°¾Ì¡^¡A¥B°Ó«~¥²¶·¬O¥þ·sª¬ºA»P§¹¾ã¥]¸Ë(°Ó«~¡Bªþ¥ó¡B¤º¥~¥]¸Ë¡BÀH³f¤å¥ó¡BÃØ«~µ¥)¡A§_«h®¤¤£±µ¨ü°h³f¡C