Hands-On Unsupervised Learning Using Python
| 作者 | Ankur A. Patel |
|---|---|
| 出版社 | 聯合發行股份有限公司 |
| 商品描述 | 非監督式學習: 使用Python：許多專家認為非監督式學習是人工智慧的下一個前沿技術，並且是邁向強人工智慧的關鍵。由於世界上大多數資料都沒有標籤，因此無法應用傳統的監督 |
內容簡介
內容簡介 許多專家認為非監督式學習是人工智慧的下一個前沿技術，並且是邁向強人工智慧的關鍵。由於世界上大多數資料都沒有標籤，因此無法應用傳統的監督式學習。從另一方面來說，非監督式學習則可以應用在無標籤的資料集，用以發現埋藏在資料深處裡有意義的樣式，而這些樣式幾乎不可能被人類發現。 作者Ankur Patel藉由使用兩個簡單且已經可實際運用於業務開發(production-ready)的Python框架：Scikit-learn和Keras來示範如何應用非監督式學習。透過程式碼和實際操作範例，數據科學家將從資料中識別難以發現的樣式，獲得更深入的商業洞見、檢測異常、執行自動特徵工程和特徵選擇，以及生成合成資料集。你所需要的只是程式能力和一些機器學習經驗。 ‧比較不同機器學習方法的優點和缺點：監督、非監督和強化學習 ‧完整地設置和管理機器學習項目 ‧為信用卡詐欺建立偵測系統 ‧按照相同與不相同將使用者進行分群 ‧實作半監督式學習 ‧使用受限玻爾茲曼機(restricted Boltzmann machine, RBM)開發電影推薦系統 ‧使用生成對抗網路建立合成影像
作者介紹
作者介紹 Ankur A. PatelAnkur A. Patel 是7Park Data(Vista Equity Partner項目公司)的數據科學副總裁。在7Park Data，Ankur和他的數據科學團隊採用替代資料為對沖基金和公司構建數據產品，並為企業開發機器學習即服務(MLaaS)。
產品目錄
產品目錄 前言 第一部分 非監督式學習的基礎 chapter 01 機器學習領域裡的非監督式學習 chapter 02 完整的機器學習專案 第二部分 使用 Scikit-Learn 開發非監督式學習 chapter 03 維度縮減 chapter 04 異常偵測 chapter 05 分群 chapter 06 群組區隔 第三部分 使用 TensorFlow 和 Keras 開發非監督式學習 chapter 07 自動編碼器（Autoencoder） chapter 08 實際操作自動編碼器 chapter 09 半監督式學習 第四部分 使用 TensorFlow 和 Keras 開發非監督式深度學習模型 chapter 10 推薦系統使用受限波爾茲曼機 chapter 11 使用深度信念網路（DBNs）進行特徵偵測 chapter 12 生成對抗網路 chapter 13 時序型資料分群法 chapter 14 結論 索引
商品規格
| 書名 / | 非監督式學習: 使用Python |
|---|---|
| 作者 / | Ankur A. Patel |
| 簡介 / | 非監督式學習: 使用Python：許多專家認為非監督式學習是人工智慧的下一個前沿技術，並且是邁向強人工智慧的關鍵。由於世界上大多數資料都沒有標籤，因此無法應用傳統的監督 |
| 出版社 / | 聯合發行股份有限公司 |
| ISBN13 / | 9789865024062 |
| ISBN10 / | 9865024063 |
| EAN / | 9789865024062 |
| 誠品26碼 / | 2681864236002 |
| 頁數 / | 376 |
| 注音版 / | 否 |
| 裝訂 / | P:平裝 |
| 語言 / | 1:中文 繁體 |
| 尺寸 / | 23X18.5X2.8CM |
| 級別 / | N:無 |
| 重量(g) / | 1092.2g |
最佳賣點
最佳賣點 : 從無標籤資料應用機器學習解決方案
“研究人員、工程師與學生將會喜歡這本書，因為本書充滿務實的非監督式學習技術，採用平鋪直述的方式，以及囊括了可快速練習的Python範例。”
–Sarah ...