練好機器學習的基本功｜用 Python 進行基礎數學理論的實作
LINE Fukuoka株式会社 立石賢吾
- 出版商: 碁峰 樂讀精選兩書75折(部分除外)
- 出版日期: 2018-08-31
- 定價: $450
- 售價: 8.5 折 $383
- 語言: 繁體中文
- 頁數: 256
- ISBN: 9864768980
- ISBN-13: 9789864768981
-
相關分類:
Machine Learning
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
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 -
圖解機器學習$359$341 -
程序員的數學3 : 線性代數$474$450 -
.jpg)
Python + Spark 2.0 + Hadoop 機器學習與大數據分析實戰$680$530 -
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 -
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
初探機器學習｜使用 Python (Thoughtful Machine Learning with Python)$480$379 -
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 -
機器學習入門｜從玻爾茲曼機械學習到深度學習$380$300 -
人工智能基礎 (高中版)$210$200 -
圖解 AI 人工智慧大未來：關於人工智慧一定要懂得 96 件事$380$323 -
Python 機器學習, 2/e (Python Machine Learning, 2/e)$690$538 -
初探深度學習｜使用 TensorFlow (TensorFlow for Deep Learning: From Linear Regression to Reinforcement Learning)$480$379 -
機器學習｜工作現場的評估、導入與實作$580$458 -
$607機器學習實戰：基於 Scikit-Learn 和 TensorFlow (Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems) -
Python 網路爬蟲與資料分析入門實戰$450$351 -
類神經網路實戰：使用 Python (Make Your Own Neural Network)$420$328 -
圖解統計與大數據, 2/e$320$288 -
還在漫無頭緒？一本書帶你走完 Python 深度學習$690$587 -
深度學習入門教室：6堂基礎課程 + Python 實作練習，Deep Learning、人工智慧、機器學習的理論和應用全圖解$550$495 -
Python 機器學習與深度學習特訓班：看得懂也會做的 AI人工智慧實戰 (附120分鐘影音教學/範例程式)$520$411 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
機器學習工程師面試全破解：嚴選124道AI演算法決勝題完整剖析$650$507 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458
相關主題
商品描述
這是一本為了需要學習機器學習，同時又想要搞懂其基本理論的讀者所撰寫的書。透過本書的登場人物：程式設計師綾乃與朋友美緒的對話，便可以與書中的兩位的角色一起成長。書中雖然有許多的數學公式，但只要跟著書中人物一起學，便能自然而然地搞懂，從而奠定更加堅實的機器學習基礎。
藉由本書，您可以了解：
．迴歸、分類、分群演算法
．使用迴歸進行預測的方法
．應用分類找出最適切結果的方法
．如何評估模型的正確程度
．如何使用Python來計算數學公式
作者簡介
立石 賢吾（TATEISHI KENGO）
LINE Fukuoka株式會社資料工程師。
佐賀大學畢業後就職於佐賀縣內的系統開發公司，其後歷經福岡的開發公司，
於2014年就職於LINE Fukuoka株式會社，負責資料分析及機器學習的相關工作。
目錄大綱
Chapter1 旅程的開始
本章針對機器學習為什麼會演變成眾所矚目的焦點，以及運用機器學習可以辦到些什麼等概要進行說明，同時對迴歸、分類、分群等演算法做簡單的解說。
Chapter2 瞭解迴歸～根據廣告費預測點擊數
本章以「由花費在廣告上的費用，來預測點擊數」為主題，對迴歸進行學習。首先會以簡單的範例來思索進行預測需要導出什麼樣的式子，並探討如何將其逼近結果的方法。
Chapter3 瞭解分類～依照圖像大小進行分類
本章以「由圖像的尺寸，來分類縱長形與橫長形」為主題，對分類進行學習。
與Chapter2相同，首先會思索為了進行分類會需要導出什麼樣的式子，並探討如何將其逼近最適切結果的方法。
Chapter4 瞭解評估～確認模型的正確性
本章將對第2章與第3章建構模型的正確程度，也就是精度進行確認。將會介紹模型的評估方式，以及有哪些指標可用做評估。
Chapter5 動手寫程式～ 以Python來進行程式設計
本章根據第2~4章所學到的內容，以Python來撰寫程式。我們將可以了解到，如何將以數學表示式所構想出來的內容，以程式來進行處理。
Appendix
附錄收錄了從前面五章未提及的數學解說供各位參考。
總和的記號、乘積的記號／微分／偏微分／合成函數／向量與矩陣／幾何向量／指數、對數／Python環境建構／Python的基本／NumPy的基本
