◎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－線性廻歸、邏輯廻歸、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。
．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。
- chapter 1 開發環境介紹(第1-1頁)
- 1-1 安裝 Anaconda(第1-1頁)
- 1-2 使用 conda 啟用虛擬環境與安裝套件(第1-3頁)
- 1-3 在 Windows 啟用 Jupyter Notebook(第1-7頁)
- 1-4 Jupyter Notebook 的快速鍵(第1-9頁)
- 1-5 使用 Google Colab 執行Python 程式(第1-14頁)
- chapter 2 Pandas 與 Numpy 簡介(第2-1頁)
- 2-1 Pandas 的 Series(第2-1頁)
- 2-2 Pandas 的 DataFrame(第2-11頁)
- 2-3 NumPy 的重要功能(第2-23頁)
- chapter 3 線性迴歸(第3-1頁)
- 3-1 線性迴歸的運作原理(第3-1頁)
- 3-2 使用 sklearn 實作線性迴歸(第3-3頁)
- 3-3 線性迴歸模型實作範例(第3-4頁)
- 3-4 習題(第3-17頁)
- chapter 4 邏輯迴歸(第4-1頁)
- 4-1 邏輯迴歸的運作原理(第4-1頁)
- 4-2 使用 sklearn 實作邏輯迴歸(第4-3頁)
- 4-3 邏輯迴歸模型實作範例(第4-4頁)
- 4-4 習題(第4-22頁)
- chapter 5 決策樹(第5-1頁)
- 5-1 決策樹的運作過程(第5-1頁)
- 5-2 使用 sklearn 實作決策樹(第5-2頁)
- 5-3 決策樹模型實作範例(第5-3頁)
- 5-4 習題(第5-17頁)
- chapter 6 K- 近鄰演算法(第6-1頁)
- 6-1 K- 近鄰演算法的運作過程(第6-1頁)
- 6-2 使用 sklearn 實作 K- 近鄰演算法(第6-2頁)
- 6-3 K- 近鄰演算法模型實作範例(第6-3頁)
- 6-4 習題(第6-18頁)
- chapter 7 支援向量機(第7-1頁)
- 7-1 支援向量機演算法的運作過程(第7-1頁)
- 7-2 使用 sklearn 實作支援向量機(第7-3頁)
- 7-3 支援向量機模型實作範例(第7-3頁)
- 7-4 習題(第7-17頁)
- chapter 8 K-means 分群(第8-1頁)
- 8-1 K-means 分群的運作過程(第8-1頁)
- 8-2 使用 sklearn 實作 K-means 分群(第8-4頁)
- 8-3 使用 K-means 分群實作範例(第8-4頁)
- 8-4 習題(第8-12頁)
- chapter 9 階層式分群(第9-1頁)
- 9-1 階層式分群的運作過程(第9-1頁)
- 9-2 使用sklearn 實作階層式分群(第9-2頁)
- 9-3 階層式分群實作範例(第9-3頁)
- 9-4 習題(第9-9頁)
- chapter 10 神經網路(第10-1頁)
- 10-1 神經網路的神經元(第10-1頁)
- 10-2 線性可分割與非線性可分割(第10-2頁)
- 10-3 神經網路的運作(第10-5頁)
- 10-4 使用keras 實作神經網路(第10-21頁)
- 10-5 激勵函式(第10-31頁)
- 10-6 Loss 函式(第10-34頁)
- 10-7 學習率與優化器(第10-37頁)
- 10-8 使用手寫數字辨識為範例(第10-38頁)
- 10-9 習題(第10-54頁)
- chapter 11 卷積神經網路(第11-1頁)
- 11-1 卷積神經網路模型運作原理(第11-1頁)
- 11-2 使用 keras 實作卷積神經網路(第11-12頁)
- 11-3 卷積神經網路實作範例(第11-16頁)
- 11-4 習題(第11-31頁)
- chapter 12 使用 Cifar-10 圖庫訓練卷積神經網路(第12-1頁)
- 12-1 使用卷積神經網路辨識 Cifar-10 圖庫(第12-2頁)
- 12-2 使用更複雜的卷積神經網路辨識 Cifar-10 圖庫(第12-7頁)
- 12-3 習題(第12-25頁)
- chapter 13 預先訓練的模型(第13-1頁)
- 13-1 使用 VGG16 辨識圖片(第13-2頁)
- 13-2 顯示 VGG16 模型的組成(第13-4頁)
- 13-3 習題(第13-10頁)
- chapter 14 中文文字分析與中文語音相關功能實作(第14-1頁)
- 14-1 使用 Spacy 分析中文句子(第14-1頁)
- 14-2 使用 Spacy 找出最相似的五個新聞標題(第14-3頁)
- 14-3 實作語音辨識與文字轉語音功能(第14-8頁)
- 14-4 習題(第14-11頁)
紙本書 NT$ 420
單本電子書
NT$
420
同分類熱門書
EPUB
PDF
EPUB
EPUB
PDF
