Kaggle 大師教您用 Python 玩資料科學，比賽拿獎金
石原祥太郎、村田秀樹 著 許郁文 譯
- 出版商: 碁峰 樂讀精選兩書66折(部分除外)
- 出版日期: 2021-04-12
- 定價: $480
- 售價: 7.9 折 $379
- 貴賓價: 7.5 折 $360
- 語言: 繁體中文
- 頁數: 192
- 裝訂: 平裝
- ISBN: 9865027682
- ISBN-13: 9789865027681
-
相關分類:
Data Science
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
Python 資料科學與人工智慧應用實務$650$585 -
Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)$1,000$790 -
tf.keras 技術者們必讀！深度學習攻略手冊$1,000$850 -
$505Prometheus 監控技術與實踐 -
Towards Tensorflow 2.0：無痛打造AI模型（iT邦幫忙鐵人賽系列書）$500$390 -
CTF 特訓營:技術詳解、解題方法與競賽技巧$534$507 -
Python 安全攻防：滲透測試實戰指南$594$564 -
零基礎入門的機器學習圖鑑：2大類機器學習 X 17種演算法 X Python 基礎教學，讓你輕鬆學以致用$450$405 -
股票發大財：用 Python 預測玩轉股市高手精解$690$587 -
強化式學習：打造最強 AlphaZero 通用演算法$780$616 -
Kaggle 競賽攻頂秘笈 -- 揭開 Grandmaster 的特徵工程心法，掌握制勝的關鍵技術$1,000$790 -
深度強化式學習 (Deep Reinforcement Learning in Action)$1,000$850 -
Python 功力提升的樂趣｜寫出乾淨程式碼的最佳實務 (Beyond the Basic Stuff with Python)$500$375 -
Deep Learning 3｜用 Python 進行深度學習框架的開發實作$780$616 -
白話演算法！培養程式設計的邏輯思考 (Grokking Algorithms: An illustrated guide for programmers and other curious people)$520$411 -
必學！Python 資料科學‧機器學習最強套件 － NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras$680$578 -
Python 刷題鍛鍊班：老手都刷過的 50 道程式題, 求職面試最給力 (Python Workout: 50 ten-minute exercises)$480$408 -
超圖解 ESP32 深度實作$880$695 -
Reinforcement Learning｜強化學習深度解析 (繁體中文版) (Reinforcement Learning: An Introduction, 2/e)$1,200$900 -
超簡單 Python / MicroPython 物聯網應用：堆積木寫程式輕鬆學習軟硬體整合$650$507 -
核心開發者親授！PyTorch 深度學習攻略 (Deep Learning with Pytorch)$1,000$790 -
自學機器學習 - 上 Kaggle 接軌世界，成為資料科學家$680$578 -
$509機器學習算法競賽實戰 -
Raspberry Pi 樹莓派：Python x AI 超應用聖經$699$594 -
Python 教學手冊$650$514
相關主題
商品描述
本書是利用Python參加機器學習競賽「kaggle」的入門書。一開始先以適合初學者學習的「Titanic：Machine Learning from Disater」競賽學習Kaggle的基礎。從中除了可學習實踐Titanic的方法，還能掌握自行參加競賽所需的知識。
本書具有以下特色：
．為了kaggle撰寫的習作教學書籍
．每一章或每一節都有具體的主題，可讓讀者按部就班地掌握需要的知識
．解說各種表單、圖片檔、文字檔的操作方法，作為進入下一個競賽的路標。
．兩位執筆者都擁有「Kaggle Master」的稱號，也有賺到獎金的經驗
．除了說明之外，還有兩位筆者的對談，從不同的角度介紹Kaggle的魅力
．會為程式設計與Python的初學者詳細講解範例程式
作者簡介
石原祥太郎（u++）
．Kaggle Master（https://kaggle.com/sishihara）。
．2019年4月於「PetFinder.my Adoption Prediction」競賽獲得冠軍。
．2019年12月協助舉辦「Kaggle Days Tokyo」的競賽。
．於2019年3月在Qiita公開的Kaggle入門文章得到1600個讚。
．於日本經濟新聞社從事資料分析。
村田秀樹（咖哩）
．Kaggle Master（https://kaggle.com/currypurin）。
．2018年8月於「Santander Value Prediction Challenge」競賽得到solo gold medal（第8名）。
．2019年6月於「LANL Earthquake Prediction」競賽得到第三名。
．為了Kaggle初學者所寫的同人誌《Kaggle的習作》累計賣出2500本。
．從2018年7月開始成為專職Kaggler。
目錄大綱
第1章｜了解Kaggle
1.1 何謂Kaggle
1.2 於Kaggle使用的機器學習
1.3 建立Kaggle的帳號
1.4 Competitions 頁面的概要
1.5 不需另行建置環境的「Notebooks」的使用方法
第2章｜著手進行Titanic
2.1 先submit ！試著寫進順位表
2.2 掌握全貌！了解submit之前的處理流程
2.3 找出下一步！試著進行探索式資料分析
2.4 在此拉開差距！基於假設建立新的特徵值
2.5 決策樹是最強的演算法？試著使用各種機器學習演算法
2.6 機器學習演算法的心情？試著調整超參數
2.7 在submit 之前！了解「Cross Validation」的重要性
2.8 「三個臭皮匠，勝過一個諸葛亮！」體驗集成學習
第3章｜往Titanic的下個階段前進
3.1 操作多個表格
3.2 操作影像資料
3.3 操作文字資料
第4章｜為了進一步學習
4.1 挑選競賽的方法
4.2 初學者適用的參賽方式
4.3 可選擇的分析環境
4.4 值得參考的資料、文獻、連結
4.5 第4 章總結
附錄A｜範例程式碼詳細解說
