機器學習入門: 使用Scikit-Learn與TensorFlow | 誠品線上

機器學習入門: 使用Scikit-Learn與TensorFlow

內容簡介

內容簡介 ◎從機器學習的基礎知識開始，逐步建構相關的延伸應用。 ◎以經典範例搭配步驟化解說，帶領讀者掌握應用的訣竅！ ．使用Kaggle網站的資料集，讀者可以透過本書所提供連結或關鍵字搜尋下載。 ．使用Pandas與Numpy處理與分析資料。 ．以Scikit-Learn實作監督式學習－線性?歸、邏輯?歸、決策樹、K-近鄰演算法、支援向量機，以及非監督式學習－K-means分群與階層式分群。 ．使用TensorFlow建立神經網路進行運算，實作前向傳播算法與反向傳播算法的運算過程。 ．介紹卷積神經網路的概念與運算過程，並使用TensorFlow 建立卷積神經網路進行運算。

產品目錄

產品目錄 chapter 1 開發環境介紹 1-1 安裝 Anaconda 1-2 使用 conda 啟用虛擬環境與安裝套件 1-3 在 Windows 啟用 Jupyter Notebook 1-4 Jupyter Notebook 的快速鍵 1-5 使用 Google Colab 執行 Python 程式 chapter 2 Pandas 與 Numpy 簡介 2-1 Pandas 的 Series 2-2 Pandas 的 DataFrame 2-3 NumPy的重要功能 chapter 3 線性迴歸 3-1 線性迴歸的運作原理 3-2 使用 sklearn 實作線性迴歸 3-3 線性迴歸模型實作範例 3-4 習題 chapter 4 邏輯迴歸 4-1 邏輯迴歸的運作原理 4-2 使用 sklearn 實作邏輯迴歸 4-3 邏輯迴歸模型實作範例 4-4 習題 chapter 5 決策樹 5-1 決策樹的運作過程 5-2 使用 sklearn 實作決策樹 5-3 決策樹模型實作範例 5-4 習題 chapter 6 K-近鄰演算法 6-1 K-近鄰演算法的運作過程 6-2 使用 sklearn 實作 K-近鄰演算法 6-3 K-近鄰演算法模型實作範例 6-4 習題 chapter 7 支援向量機 7-1 支援向量機演算法的運作過程 7-2 使用 sklearn 實作支援向量機 7-3 支援向量機模型實作範例 7-4 習題 chapter 8 K-means 分群 8-1 K-means 分群的運作過程 8-2 使用 sklearn 實作 K-means 分群 8-3 使用 K-means 分群實作範例 8-4 習題 chapter 9 階層式分群 9-1 階層式分群的運作過程 9-2 使用 sklearn 實作階層式分群 9-3 階層式分群實作範例 9-4 習題 chapter 10 神經網路 10-1 神經網路的神經元 10-2 線性可分割與非線性可分割 10-3 神經網路的運作 10-4 使用 keras 實作神經網路 10-5 激勵函式 10-6 Loss 函式 10-7 學習率與優化器 10-8 使用手寫數字辨識為範例 10-9 習題 chapter 11 卷積神經網路 11-1 卷積神經網路模型運作原理 11-2 使用 keras 實作卷積神經網路 11-3 卷積神經網路實作範例 11-4 習題 chapter 12 使用 Cifar-10 圖庫訓練卷積神經網路 12-1 使用卷積神經網路辨識 Cifar-10 圖庫 12-2 使用更複雜的卷積神經網路辨識 Cifar-10 圖庫 12-3 習題 chapter 13 預先訓練的模型 13-1 使用 VGG16 辨識圖片 13-2 顯示 VGG16 模型的組成 13-3 習題 chapter 14 中文文字分析與中文語音相關功能實作 14-1 使用 Spacy 分析中文句子 14-2 使用 Spacy 找出最相似的五個新聞標題 14-3 實作語音辨識與文字轉語音功能 14-4 習題

商品規格

最佳賣點

最佳賣點 : ◎從機器學習的基礎知識開始，逐步建構相關的延伸應用。
◎以經典範例搭配步驟化解說，帶領讀者掌握應用的訣竅！

活動

• 1212奇幻禮物節｜全站滿$1,500折120
• 1212奇幻禮物節｜全站滿$3,000折300