TQC+Python3.x機器學習基礎與應用特訓教材 | 誠品線上

TQC+Python3.x機器學習基礎與應用特訓教材

內容簡介

內容簡介 本書遵循專業考科「TQC+ 人工智慧：機器學習Python 3」技能規範架構撰寫，符合鑑定的命題趨勢。 1.內容由淺入深，採循序漸進的方式建立您運用機器學習解決問題的基本概念，達到技術的傳承及表達，符合實務運用需求。 2.本書共有七個章節，包含「Python與機器學習」、「數據前處理」、「監督式學習：迴歸」、「監督式學習：分類」、「模型擬合、評估與超參數調校」、「非監督式學習：降維與分群」、「集成學習」、「機器學習應用」，帶領讀者快速從資料中自動分析獲得規律，並利用規律對未知資料進行預測與分類，是為實現人工智慧:機器學習實際表現之最佳讀本。 3.題庫練習 歡迎到雲端練功坊（https: cloud.csf.org.tw）來充電、練功。 4.配合中華民國電腦技能基金會（https: www.csf.org.tw）測驗，一舉取得專業證照，讓您求學、求職更具競爭力。

產品目錄

產品目錄 Chapter 0 Python與機器學習 0-1 Python發展與編寫環境 0-2 機器學習 0-3 機器學習使用Python 0-4 基礎數學與Python實作 0-5 小結 綜合範例 Chapter 1 數據前處理 1-1 數據類型 1-2 遺漏值 1-3 切割數據集 1-4 異常值 1-5 選取重要特徵 1-6 小結 綜合範例 Chapter 2 監督式學習：迴歸 2-1 線性迴歸 2-2 評估迴歸模型的效能 2-3 正規化的迴歸 2-4 處理非線性關係 2-5 小結 綜合範例 Chapter 3 監督式學習：分類 3-1 迴歸vs分類 3-2 評估分類器的效能 3-3 邏輯斯迴歸 3-4 支援向量機 3-5 簡單貝氏分類器 3-6 決策樹 3-7 k最近鄰 3-8 小結 綜合範例 Chapter 4 模型擬合、評估與超參數調校 4-1 工作流程管道化 4-2 過擬合與欠擬合 4-3 評估模型效能 4-4 調校超參數 4-5 處理類別不平衡 4-6 小結 綜合範例 Chapter 5 非監督式學習：降維與分群 5-1 主成份分析降維 5-2 k-means分群 5-3 階層式分群 5-4 DBSCAN分群 5-5 鄰近傳播分群 5-6 小結 綜合範例 Chapter 6 集成學習 6.1 以袋裝法集思廣益 6.2 以提升法互補有無 6.3 以堆疊法兼容並蓄 Chapter 7 機器學習應用 7.1 自然語言處理 7.2 序列資料處理

商品規格

試閱文字

推薦序 : 機器學習是實現人工智慧的一個途徑，而它已經開始改變了整個科技產業，隨著行動雲端、物聯網等新穎科技，持續對科技產業帶來破壞式創新。而面對未來快速變化的社會，欲解決複雜問題，必須運算思維結合工程的務實與效率及數理方面的抽象邏輯思考。然而Python程式語言，簡潔易讀的特性，正是非常適合來建構機器學習，機器學習可從資料中自動分析獲得規律，並利用規律對未知資料進行預測與分類，而在生活日益科技化與自動化的時代，如何讓機器能更精準、更有效率且更有智慧地替人們工作是相當重要的課題，本書亦將帶領我們更接近實現人工智慧實際表現最好的方法。

有鑑於此，本會為提供學習者更完整的軟體設計領域教材，特別聘請逢甲大學-林英志副教授著手策畫並完成本教材「Python3.x 機器學習基礎與應用特訓教材」之編著。作者在AI領域有豐富的教學經驗，將帶領您由零學起，掌握人工智慧-機器學習實務應用技術，並將「人工智慧：機器學習Python 3」認證之三大類別「監督式學習基礎與應用」、「非監督式學習基礎與應用」、「機器學習應用」的技能規範融入當中，採循序漸進的方式，完整的編寫在七個章節中，由淺入深建立您運用機器學習解決問題的基本概念，您只要按照本書之引導，按部就班的演練，定能將其化成心法與實戰技能，融會貫通並運用得淋漓盡致。

建議讀者在經過一段時間的學習之後，報考並取得TQC+ 軟體設計領域「人工智慧：機器學習Python 3」認證，為自己開創更多職場機會。在激烈的職場競爭中，成功的秘訣在於個人專業能力及對工作的責任感，擁有機器學習技術由資料中學習建立模型，進行分類、預測以解決問題，逐步邁向人工智慧實用學習技術，提高自我洞察力、反應力，可保障您在專業及就業上的競爭力，並在就業市場上搶得先機。

財團法人中華民國電腦技能基金會
董事長 杜全昌

最佳賣點

最佳賣點 : 本書遵循專業考科「TQC+ 人工智慧：機器學習Python 3」技能規範架構撰寫，符合鑑定的命題趨勢。

1.內容由淺入深，採循序漸進的方式建立您運用機器學習解決問題的基本概念，達到技術的傳承及...