◎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
