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)
．
ChatGPT完整解
．
開發者傳授PyTor
．
深度學習 最佳入門邁
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
Scikit-learn 詳解與企業應用：機器學習最佳入門與實戰
作者：
陳昭明
分類：
電腦與網路
／
程式語言
出版社：
深智數位
出版日期：2023/3/20
ISBN：9786267273210
書籍編號：kk0564889
頁數：480
定價：
880
元
優惠價：
79
折
695
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=kk0564889'>Scikit-learn 詳解與企業應用：機器學習最佳入門與實戰</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0564889'><img src='https://www.silkbook.com/mall_image/bk/kk0564889.jpg' ALT='Scikit-learn 詳解與企業應用：機器學習最佳入門與實戰' height='120' width='90'></a>
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
★★★★★【機器學習唯一指定】★★★★★ ☆☆☆☆☆【入門】+【實戰】☆☆☆☆☆ AI 專業大師 陳昭明 老師全新力作，帶你一次到位，完整學習Scikit-learn！ 以Scikit-learn套件為主體，介紹各類的演算法，同時提供大量應用實例，全面性的掌握理論、技術與實作，為機器學習入門者的最佳夥伴！ ★詳細的程式說明 ★遵循完整的機器學習開發流程 ★資料的探索、清理、特徵工程、模型訓練、評估、參數調校到最終的部署 本書主要的特點 1. 以完整的機器學習開發流程角度出發。 2. 每一個演算法都包括原理、自行開發、Scikit-learn函數用法，最後再附應用實例。 3. 以「統計╱數學」為出發點，介紹機器學習必備的數理基礎，使用大量圖解，並以程式開發加深掌握演算法原理，增進學習樂趣。 4. 完整實用的範例程式及各種演算法的延伸應用，能在企業內應用自如。
陳昭明 ★曾任職於 IBM、工研院等全球知名企業 ★IT 邦幫忙 2018 年 AI 組【冠軍】 ★多年 AI 課程講授經驗
第 1 章 Scikit-learn入門 1-1 Scikit-learn簡介 1-2 學習地圖 1-3 開發環境安裝 1-4 Jupyter Notebook 1-5 撰寫第一支程式 1-6 本章小結 1-7 延伸練習 第 2 章 資料前置處理 2-1 資料源(Data Sources) 2-2 Scikit-learn內建資料集 2-3 資料清理 2-4 遺失值(Missing value)處理 2-5 離群值(Outlier)處理 2-6 類別變數編碼 2-7 其他資料清理 2-8 本章小結 2-9 延伸練習 第 3 章 資料探索與分析 3-1 資料探索的方式 3-2 描述統計量(Descriptive statistics) 3-3 統計圖 3-4 實務作法 3-5 本章小結 3-6 延伸閱讀 第 4 章 特徵工程 4-1 特徵縮放(Feature Scaling) 4-2 特徵選取(Feature Selection) 4-3 特徵萃取(Feature Extraction) 4-4 特徵生成(Feature Generation) 4-5 小結 4-6 延伸練習 第 5 章 迴歸 5-1 線性迴歸(Linear regression) 5-2 非線性迴歸(Non-linear regression) 5-3 迴歸的假設與缺點 5-4 時間序列分析(Time Series Analysis) 5-5 過度擬合(Overfitting)與正則化(Regularization) 5-6 偏差(Bias)與變異(Variance) 5-7 本章小結 5-8 延伸練習 第 6 章 分類演算法(一) 6-1 羅吉斯迴歸(Logistic Regression) 6-2 最近鄰(K nearest neighbor) 6-3 單純貝氏分類法(Naïve Bayes Classifier) 6-4 本章小結 6-5 延伸練習 第 7 章 分類演算法(二) 7-1 支援向量機(Support Vector Machine) 7-2 決策樹(Decision Tree) 7-3 隨機森林(Random Forest) 7-4 ExtraTreesClassifier 7-5 本章小結 7-6 延伸練習 第 8 章 模型效能評估與調校 8-1 模型效能評估 8-2 效能衡量指標(Performance Metrics) 8-3 ROC/AUC 8-4 詐欺偵測(Fraud Detection)個案研究 8-5 本章小結 8-6 延伸練習 第 9 章 集群 9-1 K-Means Clustering 9-2 階層集群(Hierarchical Clustering) 9-3 以密度為基礎的集群(DBSCAN) 9-4 高斯混合模型(Gaussian Mixture Models) 9-5 影像壓縮(Image Compression) 9-6 客戶區隔(Customer Segmentation) 9-7 本章小結 9-8 延伸練習 第 10 章 整體學習 10-1 整體學習概念說明 10-2 多數決(Majority Voting) 10-3 裝袋法(Bagging) 10-4 強化法(Boosting) 10-5 堆疊(Stacking) 10-6 本章小結 10-7 延伸練習 第 11 章 其他課題 11-1 半監督式學習(Semi-supervised learning) 11-2 可解釋的AI(Explainable AI, XAI) 11-3 機器學習系統架構 11-4 結語
軟體測試實務 : 業
軟體測試實務 : 業
運算思維程式講堂：打
從基礎應用到企業開發
再上層樓的高手：Ja
不只是CUDA, 通
一本精通：OpenC
Python：最強入
Real Pytho
快速精通SwiftU
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。
