9786263240285.jpg

機器學習入門:使用Scikit-Learn與TensorFlow

  • 出版社 碁峰
  • 作者 黃建庭
  • ISBN 9786263240285
  • 分類
  • 庫存 1 件 (總店)
  • 庫存 (更新中) (理工分店)
MOP $140.0
加入欲購

◎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。

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