

精通機器學習: 使用Scikit-Learn, Keras與TensorFlow (第2版)
Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow (2nd Ed.)
9
1,2001,080
分期3期0利率✕每期360元
3 期 0 利率✕每期 360 元
臺灣銀行、合作金庫、第一銀行、華南銀行、彰化銀行、台北富邦、國泰世華、兆豐商銀、臺灣中小企銀、滙豐銀行、新光銀行、聯邦銀行、遠東銀行、永豐銀行、玉山銀行、凱基銀行、星展銀行、台新銀行、安泰銀行、中國信託、台灣樂天
※ 除不盡餘數將於第一期收取
查詢門市庫存
本書建立智慧系統的概念、工具與技術
內容簡介
深度學習經歷了一系列的突破之後,已經大幅推動了整個機器學習領域,如今,即使你對這項技術一無所知,也可以使用簡單、高效的工具,製作可從資料中學習的程式。這本暢銷書新版本使用具體的案例、精簡的理論,以及Python準生產框架,協助你直觀地認識智慧系統的概念與建構工具。
你將學到可快速上手的技術,只要具備程式編寫經驗,就可以藉由各章的習題來學習。你可以在GitHub取得本書的所有程式碼,這些程式已經更新為TensorFlow 2,以及最新版的Scikit-Learn。
‧使用Scikit-Learn與pandas,透過端對端專案建立機器學習基礎
‧用TensorFlow 2建構與訓練許多神經網路架構,以進行分類及回歸
‧探索物體偵測、語義分割、專注機制、語言模型、GAN等
‧探索TensorFlow 2的官方高階API—Keras API
‧使用TensorFlow的Data API、分散式策略API、TF Transform及TF-Serving將TensorFlow模型生產化
‧在Google Cloud AI Platform或行動裝置上部署
‧瞭解降維、分群及異常檢測等非監督學習技術
‧用強化學習來建立自主學習代理程式(agent),包括使用TF-Agents程式庫
你將學到可快速上手的技術,只要具備程式編寫經驗,就可以藉由各章的習題來學習。你可以在GitHub取得本書的所有程式碼,這些程式已經更新為TensorFlow 2,以及最新版的Scikit-Learn。
‧使用Scikit-Learn與pandas,透過端對端專案建立機器學習基礎
‧用TensorFlow 2建構與訓練許多神經網路架構,以進行分類及回歸
‧探索物體偵測、語義分割、專注機制、語言模型、GAN等
‧探索TensorFlow 2的官方高階API—Keras API
‧使用TensorFlow的Data API、分散式策略API、TF Transform及TF-Serving將TensorFlow模型生產化
‧在Google Cloud AI Platform或行動裝置上部署
‧瞭解降維、分群及異常檢測等非監督學習技術
‧用強化學習來建立自主學習代理程式(agent),包括使用TF-Agents程式庫
產品目錄
前言
【第一部分 機器學習基本知識】
chapter 01 機器學習領域
chapter 02 端對端機器學習專案
chapter 03 分類
chapter 04 訓練模型
chapter 05 支援向量機
chapter 06 決策樹
chapter 07 整體學習與隨機森林
chapter 08 降維
chapter 09 無監督學習技術
【第二部分 神經網路與深度學習】
chapter 10 以 Keras 介紹人工神經網路
chapter 11 訓練深度神經網路
chapter 12 用 TensorFlow 來自製模型和進行訓練
chapter 13 使用 TensorFlow 來載入和預先處理資料
chapter 14 使用摺積神經網路來製作深度電腦視覺
chapter 15 使用 RNN 和 CNN 來處理序列
chapter 16 用 RNN 與 Attention 處理自然語言
chapter 17 使用自動編碼網路與 GAN 來進行表徵學習與生成學習
chapter 18 強化學習
chapter 19 大規模訓練與部署 TensorFlow 模型
附錄 A 習題解答
附錄 B 機器學習專案檢核表
附錄 C SVM 對偶問題
附錄 D Autodiff
附錄 E 其他流行的 ANN 結構
附錄 F 特殊資料結構
附錄 G TensorFlow 圖
索引
【第一部分 機器學習基本知識】
chapter 01 機器學習領域
chapter 02 端對端機器學習專案
chapter 03 分類
chapter 04 訓練模型
chapter 05 支援向量機
chapter 06 決策樹
chapter 07 整體學習與隨機森林
chapter 08 降維
chapter 09 無監督學習技術
【第二部分 神經網路與深度學習】
chapter 10 以 Keras 介紹人工神經網路
chapter 11 訓練深度神經網路
chapter 12 用 TensorFlow 來自製模型和進行訓練
chapter 13 使用 TensorFlow 來載入和預先處理資料
chapter 14 使用摺積神經網路來製作深度電腦視覺
chapter 15 使用 RNN 和 CNN 來處理序列
chapter 16 用 RNN 與 Attention 處理自然語言
chapter 17 使用自動編碼網路與 GAN 來進行表徵學習與生成學習
chapter 18 強化學習
chapter 19 大規模訓練與部署 TensorFlow 模型
附錄 A 習題解答
附錄 B 機器學習專案檢核表
附錄 C SVM 對偶問題
附錄 D Autodiff
附錄 E 其他流行的 ANN 結構
附錄 F 特殊資料結構
附錄 G TensorFlow 圖
索引
作者介紹
Aurélien Géron
Aurélien Géron 是機器學習顧問和教練。曾經在Google任職,在2013年至2016年是YouTube的影片分類團隊主管。他也是Wifirst創辦人(法國無線網際網路服務龍頭供應商)暨CTO(2002~2012)。
Aurélien Géron 是機器學習顧問和教練。曾經在Google任職,在2013年至2016年是YouTube的影片分類團隊主管。他也是Wifirst創辦人(法國無線網際網路服務龍頭供應商)暨CTO(2002~2012)。
各界推薦
“這是一本卓越的機器學習資源,有清楚、直觀的解說,以及大量實用技巧。”
—François Chollet
Keras作者,《Deep Learning with Python》作者
“這本書詳細介紹以神經網路解決問題的理論與做法;建議想要實際運用ML的人都要看這本書。”
—Pete Warden
TensorFlow行動主管
—François Chollet
Keras作者,《Deep Learning with Python》作者
“這本書詳細介紹以神經網路解決問題的理論與做法;建議想要實際運用ML的人都要看這本書。”
—Pete Warden
TensorFlow行動主管
規格
誠品貨碼 / 2681869084004
ISBN13 / 9789865024345
ISBN10 / 9865024349
EAN貨碼 / 9789865024345
頁數 / 816
注音版 / 否
裝訂 / P:平裝
語言 / 1:中文/繁體
尺寸 / 23X18.5CM
級別 / N:無
重量(g) / 1678g
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






