初探機器學習｜使用 Python (Thoughtful Machine Learning with Python)
Matthew Kirk 著；陳仁和 譯
- 出版商: 歐萊禮
- 出版日期: 2017-09-14
- 定價: $480
- 售價: 7.9 折 $379
- 語言: 繁體中文
- 頁數: 216
- ISBN: 9864765825
- ISBN-13: 9789864765829
-
相關分類:
Python、程式語言、Machine Learning
- 此書翻譯自: Thoughtful Machine Learning with Python: A Test-Driven Approach
-
相關翻譯:
Python機器學習實踐:測試驅動的開發方法 (簡中版)
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
Python 錦囊妙計, 3/e (Python Cookbook, 3/e)$880$695 -
精通 Python｜運用簡單的套件進行現代運算 (Introducing Python: Modern Computing in Simple Packages)$780$616 -
Python 機器學習 (Python Machine Learning)$580$452 -
網站擷取｜使用 Python (Web Scraping with Python: Collecting Data from the Modern Web)$580$458 -
Data Science from Scratch｜用 Python 學資料科學 (中文版)(Data Science from Scratch: First Principles with Python)$580$458 -
今天不學機器學習，明天就被機器取代：從 Python 入手+演算法$590$502 -
Python 自動化的樂趣｜搞定重複瑣碎 & 單調無聊的工作 (中文版) (Automate the Boring Stuff with Python: Practical Programming for Total Beginners)$500$395 -
深度學習快速入門 — 使用 TensorFlow (Getting started with TensorFlow)$360$180 -
演算法技術手冊, 2/e (Algorithms in a Nutshell: A Practical Guide, 2/e)$580$458 -
TensorFlow + Keras 深度學習人工智慧實務應用$590$460 -
寫程式前就該懂的演算法 ─ 資料分析與程式設計人員必學的邏輯思考術 (Grokking Algorithms: An illustrated guide for programmers and other curious people)$390$332 -
Python 初學特訓班 (增訂版) (附250分鐘影音教學/範例程式)$480$379 -
$958深度學習 -
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
單元測試的藝術, 2/e (The Art of Unit Testing: with examples in C#, 2/e)$650$507 -
精通機器學習｜使用 Python (Introduction to Machine Learning with Python: A Guide for Data Scientists)$680$537 -
Docker 這樣學才有趣：從入門，到玩直播、挖礦$450$383 -
演算法圖鑑：26種演算法 + 7種資料結構，人工智慧、數據分析、邏輯思考的原理和應用 step by step 全圖解$450$356 -
為你自己學 Git$500$390 -
初探機器學習演算法$480$379 -
Python 資料科學學習手冊 (Python Data Science Handbook: Essential Tools for Working with Data)$780$616 -
Python 深度學習 (Python Deep Learning)$620$484 -
區塊鏈｜未來經濟的藍圖 (Blockchain: Blueprint for a New Economy)$380$300 -
無瑕的程式碼－整潔的軟體設計與架構篇 (Clean Architecture: A Craftsman's Guide to Software Structure and Design)$580$452 -
Deep Learning 深度學習基礎｜設計下一代人工智慧演算法 (Fundamentals of Deep Learning: Designing Next-Generation Machine Intelligence Algorithms)$620$490
相關主題
商品描述
運用測試驅動開發
本書能讓讀者有自信的將機器學習實現於日常應用，而無需具備相關學術背景。這本實用指南向讀者呈現如何於程式碼中整合並測試機器學習演算法。
書中以圖例搭配文字說明，並提供對應的範例程式。利用Python的NumPy、Pandas、Scikit-Learn與SciPy資料科學函式庫實現相關的應用與測試。如果您是對資料科學有興趣的軟體工程師或商務分析師，本書將能提供以下協助：
‧透過實務案例及練習驗證每個演算法
‧於撰寫軟體程式前，利用測試驅動開發(TDD)編寫及執行對應的測試項目
‧探索用於改善機器學習模型的資料萃取與特徵發展技術
‧評估機器學習的風險，例如資料的過度配適與配適不足
‧運用K最近鄰、類神經網路、分群以及其他相關演算法
作者簡介
Matthew Kirk 擅長將Ruby與Python應用於機器學習和資料科學領域的軟體顧問及國際講者，同時也是位作家，目前居住在西雅圖。樂於協助軟體工程師們將資料科學整合到技術堆疊中。讀者可造訪作者網站www.matthewkirk.com，獲得更多與機器學習相關的學習資源。
目錄大綱
第一章 大致接近正確的軟體
第二章 機器學習速覽
第三章 K-最近鄰法
第四章 單純貝氏分類
第五章 決策樹與隨機森林
第六章 隱馬可夫模型
第七章 支持向量機
第八章 類神經網路
第九章 分群
第十章 資料萃取與模型改善
第十一章 全書總結第一章 大致接近正確的軟體
第二章 機器學習速覽
第三章 K-最近鄰法
第四章 單純貝氏分類
第五章 決策樹與隨機森林
第六章 隱馬可夫模型
第七章 支持向量機
第八章 類神經網路
第九章 分群
第十章 資料萃取與模型改善
第十一章 全書總結
