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
|
89S51/52 ³æ´¹¤ù»P±MÃD»s§@³Ì¨Î½d¥»¡G¨Ï¥ÎKeil(ªþ½d¨Òµ{¦¡ÀɮפÎKeil C³nÅé)
¦¹§@ªÌµL¬ÛÃö®ÑÄy
¤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±q²z½×¨ì¹ê§@§ð²¤
§@ªÌ¡G
蔡佳祐、鄭佳炘、陳政宏、林靖捷
¤ÀÃþ¡G
¤u·~¡E¤uµ{
¡þ
¹q¤l¡E¹q¾÷
ÂO®Ñ¨t¦C¡G¤j±M¹q¤l?
¥Xª©ªÀ¡G
¥þµØ¹Ï®Ñ
¥Xª©¤é´Á¡G2025/4/18
ISBN¡G9786264012850
®ÑÄy½s¸¹¡Gkk0607529
¶¼Æ¡G320
©w»ù¡G
500
¤¸
Àu´f»ù¡G
88
§é
440
¤¸
®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±q²z½×¨ì¹ê§@§ð²¤
¹Ï¤ù³sµ²
½Æ»s»yªk
¤À
¨É
¤º®e²¤¶
®ÑÄy¥Ø¿ý
¦PÃþ±ÀÂË
機器學習:從理論到實作攻略 本書內容兼顧理論與實務,用大量示意圖與範例,幫助讀者建立機器學習的基本概念。第一章介紹機器學習的基本概念與類型,幫助讀者快速入門。第二章深入探討監督式學習,涵蓋多種經典演算法,如線性回歸、決策樹與神經網路等。第三章則介紹非監督式學習,重點講解資料探索與聚類方法。第四章專注於模型評估與優化,幫助讀者提升模型性能。最後,第五章通過台股數據分析與YOLO物件辨識兩個實戰專案,讓讀者實際應用所學知識,開啟機器學習與深度學習的探索之旅。 本書特色 1.強調實作與錯誤學習:本書不僅講解理論,還鼓勵讀者動手實踐,以實際應用深化理解。 2.系統化的學習路徑:以示意圖與簡單範例帶領讀者進入機器學習,逐步深入監督式與非監督式學習,最終挑戰更進階的AI應用。 3.提供完整的學習支援:書中還整理了機器學習的專業術語,並附有環境安裝指南,讓更多人能輕鬆入門機器學習。 4.豐富的線上教學資源:作者經營YouTube頻道「工程師の師」,提供多樣化的教學影片,作為書本內容的延伸學習資源。
²Ä¤@³¹ ¾÷¾¹¾Ç²ß·s¤â¤W¸ô 1¡Ð1 ¤°»ò¬O¾÷¾¹¾Ç²ß 1¡Ð2 ¾÷¾¹¾Ç²ßªººØÃþ 1¡Ð3 §K¶O½m²ß¶}µo¥¥x 1¡Ð4 ¾÷¾¹¾Ç²ß¨BÆJ ²Ä¤G³¹ ºÊ·þ¦¡¾Ç²ß 2¡Ð1 ½u©Ê¦^Âk Linear Regression 2¡Ð2 ¤ä´©¦V¶q¾÷ Support Vector Machine 2¡Ð3 ³æ¯Â¨©¤ó¤ÀÃþ¾¹ Naive Bayes Classifier 2¡Ð4 ¨Mµ¦¾ðDecision Tree 2¡Ð5 ÀH¾÷´ËªL Random Forest 2¡Ð6 ¯«¸gºô¸ô Neural Network 2¡Ð7 ªñ¾Fºtºâªk K¡ÐNearest Neighbors ²Ä¤T³¹ «DºÊ·þ¦¡¾Ç²ß 3¡Ð1 ¥D¦¨¤À¤ÀªR Principal Components Analysis 3¡Ð2 «Dt¯x°} Non¡Ðnegative Matrix Factorization 3¡Ð3 ¥§¡¤À¸sºtºâªk K¡Ðmeans 3¡Ð4 °ª´µ²V¦X¤À¥¬ Gaussian Mixture Models ²Ä¥|³¹ µû¦ô¤èªk»P°V½m§Þ¥© 4¡Ð1 ¤ÀÃþ°ÝÃDµû¦ô 4¡Ð2 ¦^Âk°ÝÃDµû¦ô 4¡Ð3 ¥æ¤eÅçÃÒ Cross¡ÐValidation 4¡Ð4 §å¦¸¶q Batch Size ²Ä¤³¹ ³Ì²×¬D¾Ô¡X¹ê¾ÔÀ³¥Î 5¡Ð1 AI ªÑ²¼²z°]±M®a 5¡Ð2 YOLOv9 ª«¥ó¿ëÃÑ µ²»y ªþ¿ý ªþ¿ý¤@ ±M¦³¦Wµü¸ÑÄÀ ªþ¿ý¤G Àô¹Ò¦w¸Ë ªþ¿ý¤T °Ñ¦Ò¤åÄm ²ßÃD?
¥b¾ÉÅé²£·~·§½×
¥b¾ÉÅé¿nÅé¹q¸ô»sµ{§Þ
LabVIEWµ{¦¡³]
¬Ý¹Ï¾ÇC»y¨¥»P¹Bºâ«ä
¹q¸£ºô»Úºô¸ô¡G¥Ñ¤W¦Ó
LabVIEW»P·P´ú
¹Ï¸Ñ¹qºÏ¾Ç¡G±q·§©À¨ì
¶W¹Ï¸Ñ¹q°Ê¨®ªººc³y»P
¬Ý¹Ï¾ÇPython¡G
¼Æ¦ì¼v¹³³B²z
¬°¤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