

9
450405
查詢門市庫存
1.從入門者的角度編寫,快速幫讀者複習Python語言後,再介紹機器學習概論及模型。
2.講述機器學習的各種實作項目,如資料分析、線性回歸模型及模型評估等,並提供範例程式給讀者練習。
2.講述機器學習的各種實作項目,如資料分析、線性回歸模型及模型評估等,並提供範例程式給讀者練習。
內容簡介
機器學習是AI人工智慧的基礎,但機器學習本身是門較高深的課程,而本書為了讓讀者能夠快速理解,從入門者的角度做編寫。書中先講述AI及Python語言,複習Python基礎語法到進階語法,讓讀者先掌握Python語言,接著學習機器學習的各種實作項目,如資料分析、線性回歸模型及模型評估等,藉此對於機器學習有更進一步的認識。
產品目錄
第一章 AI、AI技術與AI應用
1-1 人工智慧
1-2 AI技術
1-3 AI應用
1-4 AI與數學
1-5 AI與編程
1-6 何謂深度學習?
第二章 Python基礎編程語法
2-1 何謂變數?
2-2 編程的操作型定義~以變數為例
2-3 運算與資料
2-4 決策(if)語法
2-5 while 迴圈
2-6 for 迴圈
2-7 功能呼叫 (function call)
2-8 全域變數與區域變數
2-9 List 資料結構
2-10 物件的基本觀念
2-11 numpy模組的多維陣列
第三章 Python進階編程語法
3-1 向量運算模式與泛化函式
3-2 matplotlib繪圖模組的運用
3-3 檔案的輸入輸出
3-4 物件導向程式設計基本概念
3-5 其他
第四章 資料分析的基本觀念
4-1 隨機取樣
4-2 摘要統計(summary statistics)
4-3 共變異數與相關係數
4-4 資料分群演算法
4-5 Python的K-means 分群演算法的應用
第五章 線性迴歸模型
5-1 線性迴歸的數學原理
5-2 Python的線性迴歸模組
5-3 線性回歸模型的應用
5-4 羅吉斯迴歸
第六章 線性分類器
6-1 線性迴歸分類器
6-2 支持向量機分類器
6-3 SVM原理推導
6-4 核函數
6-5 SVM的多元分類應用
第七章 非線性分類器
7-1 類神經網路分類器概論
7-2 類神經網路應用
7-3 Python的類神經網路機器學習模組
7-4 決策樹實務應用
第八章 模型評估
8-1 分類器效能指標
8-2 ROC 曲線
8-3 殘差分析
第九章 其他AI相關主題
9-1 k最近鄰分類演算法
9-2 單純貝氏分類器
9-3 主要成分分析
9-4 資料前處理
9-5 集成學習
附錄A Python安裝與使用
1-1 人工智慧
1-2 AI技術
1-3 AI應用
1-4 AI與數學
1-5 AI與編程
1-6 何謂深度學習?
第二章 Python基礎編程語法
2-1 何謂變數?
2-2 編程的操作型定義~以變數為例
2-3 運算與資料
2-4 決策(if)語法
2-5 while 迴圈
2-6 for 迴圈
2-7 功能呼叫 (function call)
2-8 全域變數與區域變數
2-9 List 資料結構
2-10 物件的基本觀念
2-11 numpy模組的多維陣列
第三章 Python進階編程語法
3-1 向量運算模式與泛化函式
3-2 matplotlib繪圖模組的運用
3-3 檔案的輸入輸出
3-4 物件導向程式設計基本概念
3-5 其他
第四章 資料分析的基本觀念
4-1 隨機取樣
4-2 摘要統計(summary statistics)
4-3 共變異數與相關係數
4-4 資料分群演算法
4-5 Python的K-means 分群演算法的應用
第五章 線性迴歸模型
5-1 線性迴歸的數學原理
5-2 Python的線性迴歸模組
5-3 線性回歸模型的應用
5-4 羅吉斯迴歸
第六章 線性分類器
6-1 線性迴歸分類器
6-2 支持向量機分類器
6-3 SVM原理推導
6-4 核函數
6-5 SVM的多元分類應用
第七章 非線性分類器
7-1 類神經網路分類器概論
7-2 類神經網路應用
7-3 Python的類神經網路機器學習模組
7-4 決策樹實務應用
第八章 模型評估
8-1 分類器效能指標
8-2 ROC 曲線
8-3 殘差分析
第九章 其他AI相關主題
9-1 k最近鄰分類演算法
9-2 單純貝氏分類器
9-3 主要成分分析
9-4 資料前處理
9-5 集成學習
附錄A Python安裝與使用
規格
誠品貨碼 / 2682383538004
ISBN13 / 9786263284463
ISBN10 / 6263284463
EAN貨碼 / 9786263284463
頁數 / 332
開數 / 16K
裝訂 / P:平裝
語言 / 1:中文/繁體
尺寸 / 26X19X1.5CM
級別 / N:無
重量(g) / 565
退貨說明
退貨須知:
- 依照消費者保護法的規定,您享有商品貨到次日起七天猶豫期(含例假日)的權益(請注意!猶豫期非試用期),辦理退貨之商品必須是全新狀態(不得有刮傷、破損、受潮)且需完整(包含全部商品、配件、原廠內外包裝、贈品及所有附隨文件或資料的完整性等)。
- 請您以送貨廠商使用之包裝紙箱將退貨商品包裝妥當,若原紙箱已遺失,請另使用其他紙箱包覆於商品原廠包裝之外,切勿直接於原廠包裝上黏貼紙張或書寫文字。若原廠包裝損毀將可能被認定為已逾越檢查商品之必要程度,本公司得依毀損程度扣除回復原狀必要費用(整新費)後退費;請您先確認商品正確、外觀可接受,再行拆封,以免影響您的權利;若為產品瑕疵,本公司接受退貨。
依「通訊交易解除權合理例外情事適用準則」,下列商品不適用七日猶豫期,除產品本身有瑕疵外,不接受退貨:
- 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮蔬果、乳製品、冷凍冷藏食材、蛋糕)
- 依消費者要求所為之客製化給付。(如:客製印章、鋼筆刻字)
- 報紙、期刊或雜誌。
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務,經消費者事先同意始提供。(如:電子書)
- 已拆封之個人衛生用品。(如:內衣褲、襪類、褲襪、刮鬍刀、除毛刀等貼身用品)
- 國際航空客運服務。
若您退貨時有下列情形,可能被認定已逾越檢查商品之必要程度而須負擔為回復原狀必要費用(整新費),或影響您的退貨權利,請您在拆封前決定是否要退貨:
- 以數位或電磁紀錄形式儲存或著作權相關之商品(包含但不限於CD、VCD、DVD、電腦軟體等) 包裝已拆封者(除運送用之包裝以外)。
- 耗材(包含但不限於墨水匣、碳粉匣、紙張、筆類墨水、清潔劑補充包等)之商品包裝已拆封者(除運送用之包裝以外)。
- 衣飾鞋類/寢具/織品(包含但不限於衣褲、鞋子、襪子、泳裝、床單、被套、填充玩具)或之商品缺件(含購買商品、附件、內外包裝、贈品等)或經剪標或下水或商品有不可回復之髒污或磨損痕跡。
- 食品、美容/保養用品、內衣褲等消耗性或個人衛生用品、商品銷售頁面上特別載明之商品已拆封者(除運送用之包裝外一切包裝、包括但不限於瓶蓋、封口、封膜等接觸商品內容之包裝部分)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 家電、3C、畫作、電子閱讀器等商品,除商品本身有瑕疵外,退回之商品已拆封(除運送用之包裝外一切包裝、包括但不限於封膜等接觸商品內容之包裝部分、移除封條、拆除吊牌、拆除貼膠或標籤等情形)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 退貨程序請參閱【客服專區→常見問題→誠品線上退貨退款】之說明。
付款/配送




