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
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)
．
打下最紮實的AI基礎
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
打下最紮實的AI基礎：從scikit-learn一步一腳印
作者：
黃永昌
分類：
電腦與網路
／
程式語言
出版社：
佳魁數位
出版日期：2019/3/18
ISBN：9789863797401
書籍編號：kk0482928
頁數：352
定價：
560
元
優惠價：
79
折
442
元
書價若有異動，以出版社實際定價為準
絕版書
絕版書：確定不再版的商品，僅提供書籍資訊參考。
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=kk0482928'>打下最紮實的AI基礎：從scikit-learn一步一腳印</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0482928'><img src='https://www.silkbook.com/mall_image/bk/kk0482928.jpg' ALT='打下最紮實的AI基礎：從scikit-learn一步一腳印' height='120' width='90'></a>
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
打下最紮實的AI基礎：從scikit-learn一步一腳印 內容簡介 30秒極速瞭解本書精華內容： ➢理論基礎 機器學習的應用場景 機器學習應用程式開發的典型步驟 Python機器學習開發套件：numpy、pandas和matplotlib 演算法模型性能評估的指標和評估方法 ➢八大常用機器學習演算法 k-近鄰演算法 線性回歸演算法 邏輯回歸演算法 決策樹 支持向量機 單純貝氏演算法 PCA演算法 k-平均值演算法 ➢七大實戰演練案例 糖尿病檢測 預測房價 乳腺癌檢測 鐵達尼號倖存者預測 文件類別預測 人臉識別 文件自動分類 本書適用讀者：想從事機器學習、人工智慧、深度學習及機器人相關技術的程式師和愛好者閱讀，相關院校和培訓機構也可以作為教材使用。
作者簡介 黃永昌 畢業於廈門大學自動化系。畢業後從事手機系統軟體的研發，2009年轉向Android系統軟體發展，熟悉C、Python、Java和JavaScript多種開發語言。2014年開始研究機器學習及資料採擷領域的相關知識。2015年加入ABB集團，從事智慧家居系統的開發，透過分析伺服器及用戶端日誌資料，為智慧家居系統開發智慧決策模型。
目錄 前言 Chapter01 機器學習介紹 1.1 什麼是機器學習 1.2 機器學習有什麼用 1.3 機器學習的分類 1.4 機器學習應用程式開發的典型步驟 1.5 複習題 Chapter02 Python 機器學習軟體套件 2.1 開發環境架設 2.2 IPython 簡介 2.3 Numpy 簡介 2.4 Pandas 簡介 2.5 Matplotlib 簡介 2.6 scikit-learn 簡介 2.7 複習題 2.8 擴充學習資源 Chapter03 機器學習理論基礎 3.1 過擬合和欠擬合 3.2 成本函數 3.3 模型準確性 3.4 學習曲線 3.5 演算法模型效能最佳化 3.6 查準率和召回率 3.7 F1 Score 3.8 複習題 Chapter04 k- 近鄰演算法 4.1 演算法原理 4.2 範例：使用k- 近鄰演算法進行分類 4.3 範例：使用k- 近鄰演算法進行回歸擬合 4.4 實例：糖尿病預測 4.5 擴充閱讀 4.6 複習題 Chapter05 線性回歸演算法 5.1 演算法原理 5.2 多變數線性回歸演算法 5.3 模型最佳化 5.4 範例：使用線性回歸演算法擬合正弦函數 5.5 範例：測算房價 5.6 擴充閱讀 5.7 複習題 Chapter06 邏輯回歸演算法 6.1 演算法原理 6.2 多元分類 6.3 正規化 6.4 演算法參數 6.5 實例：乳腺癌檢測 6.6 擴充閱讀 6.7 複習題 Chapter07 決策樹 7.1 演算法原理 7.2 演算法參數 7.3 實例：預測鐵達尼號倖存者 7.4 擴充閱讀 7.5 集合演算法 7.6 複習題 Chapter08 支援向量機 8.1 演算法原理 8.2 核心函數 8.3 scikit-learn 裡的SVM 8.4 實例：乳腺癌檢測 8.5 複習題 Chapter09 單純貝氏演算法 9.1 演算法原理 9.2 一個簡單的實例 9.3 機率分佈 9.4 連續值的處理 9.5 實例：文件分類 9.6 複習題 Chapter10 PCA 演算法 10.1 演算法原理 10.2 PCA 演算法範例 10.3 PCA 的資料還原率及應用 10.4 實例：人臉識別 10.5 擴充閱讀 10.6 複習題 Chapter11 k- 平均值演算法 11.1 演算法原理 11.2 scikit-learn 裡的k- 平均值演算法 11.3 使用k- 平均值對文件進行分群分析 11.4 分群演算法效能評估 11.5 複習題 AppendixA 後記
Mike Cohn的
JavaScript
Python演算法交
架構師帶你做敏捷測試
多元裝置時代的UI/
Python架站特訓
完全自學！Go 語言
金融AI：人工智慧的
CQRS命令查詢職責
Clean Code
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。
