機器學習演算法動手硬幹：用 PyTorch + Jupyter 最佳組合達成
孫玉林、余本國
- 出版商: 深智數位
- 出版日期: 2022-01-20
- 定價: $880
- 售價: 7.9 折 $695
- 語言: 繁體中文
- 頁數: 592
- 裝訂: 平裝
- ISBN: 9860776741
- ISBN-13: 9789860776744
-
相關分類:
DeepLearning、Machine Learning、Algorithms-data-structures
- 此書翻譯自: Python 機器學習算法與實戰
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
科班出身的 AI人必修課：OpenCV 影像處理 使用 Python$780$616 -
NumPy 高速運算徹底解說 - 六行寫一隻程式？你真懂深度學習？手工算給你看！$750$638 -
特徵工程不再難：資料科學新手也能輕鬆搞定！ (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$406 -
Python 機器學習超進化：AI影像辨識跨界應用實戰 (附100分鐘影像處理入門影音教學/範例程式)$450$356 -
場景化機器學習$474$450 -
使用 AWS 在雲端建置 Linux 伺服器的 20堂課$500$395 -
500個必問題：深度學習 AI頂尖企業面試實況 (書況有折痕,不介意再下單)$880$695 -
Jupyter 入門與實戰$479$455 -
資料科學的建模基礎 : 別急著 coding！你知道模型的陷阱嗎？$599$473 -
核心開發者親授！PyTorch 深度學習攻略 (Deep Learning with Pytorch)$1,000$790 -
機器學習的統計基礎 : 深度學習背後的核心技術$680$537 -
人工智慧再進化：聯邦學習讓資料更安全穩固$880$748 -
真槍實彈做專案：PyQt5 極速開發視窗軟體$880$695 -
AutoML 自動化機器學習：用 AutoKeras 超輕鬆打造高效能 AI 模型 (Automated Machine Learning with AutoKeras: Deep learning made accessible for everyone with just few lines of coding)$690$545 -
Python 遊戲開發講座進階篇｜動作射擊與 3D賽車$850$672 -
Python 遊戲開發講座入門篇｜基礎知識與 RPG 遊戲$750$593 -
打下最紮實 AI 基礎不依賴套件：手刻機器學習神經網路穩健前進$1,200$948 -
OpenCV 影像創意邁向 AI 視覺王者歸來 (全彩印刷)$890$703 -
NLP 大神 RNN 網路：Python 原始程式碼手把手帶你寫$890$703 -
Raspberry Pi 樹莓派：Python x AI 超應用聖經$699$552 -
集成式學習：Python 實踐！整合全部技術，打造最強模型 (Hands-On Ensemble Learning with Python: Build highly optimized ensemble machine learning models using scikit-learn and Keras)$750$593 -
一本書秒殺電腦視覺最新應用：80個 Python 大師級實例$880$695 -
Python 網頁框架超集合：在 Django、Tornado、Flask、Twisted 全面應用 (有些許瑕疵,不影響閱讀)$800$632 -
AWS 職場實戰手冊 - 企業架站、安全防護、費用監控，用最省錢的方式紮實學會！$620$490 -
PyTorch 深度學習：電腦視覺流行專案親自動手$780$616
相關主題
商品描述
★★★【機器學習】+【演算法】★★★
★★★★★【PyTorch】+【Jupyter】★★★★★
一步一腳印、腳踏實地
機器學習經典演算法全面講解
我們平常視為理所當然的L1、L2、Softmax，Cross Entropy，都是基礎的機器學習所推導出來的，很多人以為不需要學的機器學習演算法，才是站穩腳步的基本大法！
本書就是讓你可以用Python來真正真槍實戰上手機器學習。從最基礎的資料清理、特徵工程開始，一直到資料集遺漏值的研究，包括了特徵變換、建構，降維等具有實用性的技巧，之後說明了模型是什麼，接下來全書就是各種演算法的詳解，最後還有一個難得的中文自然語言處理的案例，不像一般機器學習的書千篇一律MNIST手寫辨識、人臉辨識這麼平凡的東西，難得有深入「機器學習」的動手書，讓你真的可以在人工智慧的領域中走的長長久久。
大集結！聚類演算法
✪K-means 聚類
✪系統聚類
✪譜聚類
✪模糊聚類
✪密度聚類
✪高斯混合模型聚類
✪親和力傳播聚類
✪BIRCH 聚類
技術重點
✪資料探索與視覺化
✪Python實際資料集特徵工程
✪模型選擇和評估
✪Ridge回歸分析、LASSO回歸分析以及Logistic回歸分析
✪時間序列分析
✪聚類演算法與異常值檢測
✪決策樹、隨機森林、AdaBoost、梯度提升樹
✪貝氏演算法和K-近鄰演算法
✪支持向量機和類神經網路
✪關聯規則與文字探勘
✪PyTorch深度學習框架
作者簡介
余本國
博士、碩士研究生導師。主講線性代數、高等數學、微積分、機率統計、數學實驗、Python語言、大數據分析基礎等課程。
2012年到加拿大York University做訪問學者。
現工作於海南醫學院生物醫學信息與工程學院。
作品有《Python數據分析基礎》、《基於Python的大數據分析基礎及實戰》等書。
孫玉林
長期從事大數據統計分析、機器學習與電腦視覺等方面的研究，曾多次獲得數學建模與資料探勘比賽一等獎。
出版《Python在機器學習的應用》、《R語言統計分析與機器學習》、《PyTorch深度學習入門與實戰》等著作。
目錄大綱
01 Python 機器學習入門
1.1 機器學習簡介
1.2 安裝Anaconda（Python）
1.3 Python 快速入門
1.4 Python 基礎函數庫入門實戰
1.5 機器學習模型初探
1.6 本章小結
02 資料探索與視覺化
2.1 遺漏值處理
2.2 資料描述與異常值發現
2.3 視覺化分析資料關係
2.4 資料樣本間的距離
2.5 本章小結
03 特徵工程
3.1 特徵變換
3.2 特徵
3.3 特徵選擇
3.4 特徵提取和降維
3.5 資料平衡方法
3.6 本章小結
04 模型選擇和評估
4.1 模型擬合效果
4.2 模型訓練技巧
4.3 模型的評價指標
4.4 本章小結
05 假設檢驗和回歸分析
5.1 假設檢驗
5.2 一元回歸
5.3 多元回歸
5.4 正規化回歸分析
5.5 Logistic 回歸分析
5.6 本章小結
06 時間序列分析
6.1 時間序列資料的相關檢驗
6.2 移動平均演算法
6.3 ARIMA 模型
6.4 SARIMA 模型
6.5 Prophet 模型預測時間序列
6.6 多元時間序列ARIMAX模型
6.7 時序資料的異常值檢測
6.8 本章小結
07 聚類演算法與異常值檢測
7.1 模型簡介
7.2 資料聚類分析
7.3 資料異常值檢測分析
7.4 本章小結
08 決策樹和整合學習
8.1 模型簡介與資料準備
8.2 決策樹模型
8.3 隨機森林模型
8.4 AdaBoost 模型
8.5 梯度提升樹（GBDT）
8.6 本章小結
09 貝氏演算法和K- 近鄰演算法
9.1 模型簡介
9.2 貝氏分類演算法
9.3 貝氏網路資料分類
9.4 K- 近鄰演算法
9.5 本章小結
10 支持向量機和類神經網路
10.1 模型簡介
10.2 支援向量機模型
10.3 全連接神經網路模型
10.4 本章小結
11 連結規則與文字探勘
11.1 模型簡介
11.2 資料連結規則探勘
11.3 文字資料前置處理
11.4 文字聚類分析
11.5 《三國演義》人物關係分析
11.6 本章小結
12 深度學習入門
12.1 深度學習介紹
12.2 PyTorch 入門
12.3 卷積神經網路辨識草書
12.4 循環神經網路新聞分類
12.5 自編碼網路重構圖像
12.6 本章小結
A 參考文獻
