最新機器學習的教科書

Author 伊藤真

Publisher 深智數位股份有限公司

Released

2021/10/21

Language

Traditional Chinese

Pages

384

555081

ISBN

9789860776393

eBook

NT$624

Standard NT$780

Get NT$94 off

查看適用禮券

Buy

Preview

Buy for others

輕鬆簡單的好書，讓你從入門到高手，掌握機器學習及神經網路的數學、理論與實作！

本書特色

　　機器學習唯一的入門書，從完全不懂到開發專案靠這本書就搞定
　　充分展現出日本書的細膩流暢又簡單清楚
　　想了解機器學習又怕被數學公式轟炸的AI小白最適合
　　作者把所有的數學公式都用最簡單的二維平面來處理，是對人腦最直覺的投射
　　懶人最愛的程式設計環境，Jupyter Notebook，在瀏覽器中就可以執行神經網路
　　高中文組數學程度就可以100%看得懂的Python程式
　　雖然簡單但十分詳細的公式推導
　　L1、L2回歸你我都會用，但這本書卻有完整的來龍去脈，打下神經網路及深度學習的基礎
　　無監督學習也有詳細說明，K-means和混合高斯模型
　　使用Tensorflow，每一行程式碼都看得懂，完全沒有不必要細節或玩弄技巧

輕鬆簡單的好書，讓你從入門到高手，掌握機器學習及神經網路的數學、理論與實作！

▌使用Jupyter Notebook

全書所附的程式碼完整簡單，更棒的是用Jupyter Notebook開發，初學者可以在一個網頁上寫程式、執行、查看結果，還可以作筆記，圖形介面和有條不紊的程式碼管理，比起直接在命令行零零散散地輸入Python程式碼，更能激發學習的動力。

▌搭配範例詳細解說

完善可運行的程式碼、豐富詳細的範例、直觀的資料圖型、細緻具體的公式推導、程式碼實作，彷彿一位好的老師在親手教我學習演算法。

▌程式結合數學公式，一看就懂

本書繼承了大部分日文技術書的傳統特色，對沒有學過Python和需要複習數學基礎的初學者是非常易懂的，內容安排循序漸進，推導過程完整清楚，圖文並茂，理論與實作相結合。一行行的程式碼與一行行的公式一一對應，讓原本晦澀難懂的公式變得簡明流暢起來。

你一定可以運用這些方法看懂了原本看不懂的大學經典教材，再加上TensorFlow和最好用的Keras，快點搭上本書的特快車趕上機器學習人工智慧的新浪潮吧！

第1 章| 學習前的準備

1.1 關於機器學習

1.2 安裝Python

1.3 Jupyter Notebook

1.4 安裝Keras 和TensorFlow

第2 章| Python 基礎知識

2.1 四則運算

2.2 變數

2.3 類型

2.4 print 敘述

2.5 list（陣列變數）

2.6 tuple（陣列）

2.7 if 敘述

2.8 for 敘述

2.9 向量

2.10 矩陣

2.11 矩陣的四則運算

2.12 切片

2.13 替換滿足條件的資料

2.14 help

2.15 函數

2.16 保存檔案

第3 章| 資料視覺化

3.1 繪製二維圖形

3.2 繪製三維圖形

第4 章| 機器學習中的數學

4.1 向量

4.2 求和符號

4.3 累乘符號

4.4 導數

4.5 偏導數

4.6 矩陣

4.7 指數函數和對數函數

第5 章| 監督學習：回歸

5.1 一維輸入的直線模型

5.2 二維輸入的平面模型

5.3 D 維線性回歸模型

5.4 線性基底函數模型

5.5 過擬合問題

5.6 新模型的生成

5.7 模型的選擇

5.8 小結

第6 章| 監督學習：分類

6.1 一維輸入的二元分類

6.2 二維輸入的二元分類

6.3 二維輸入的三元分類

第7 章| 神經網路與深度學習

7.1 神經元模型

7.2 神經網路模型

7.3 使用Keras 實現神經網路模型

第8 章| 神經網路與深度學習的應用（手寫數字辨識）

8.1 MINST 資料集

8.2 二層前饋神經網路模型

8.3 ReLU 啟動函數

8.4 空間篩檢程式

8.5 卷積神經網路

8.6 池化

8.7 Dropout

8.8 融合了各種特性的MNIST 辨識網路模型

第9 章| 無監督學習

9.1 二維輸入資料

9.2 K-means 演算法

9.3 混合高斯模型

第10 章| 本書小結

asnd

第1 章| 學習前的準備
1.1 關於機器學習
1.2 安裝Python
1.3 Jupyter Notebook
1.4 安裝Keras 和TensorFlow

第2 章| Python 基礎知識
2.1 四則運算
2.2 變數
2.3 類型
2.4 print 敘述
2.5 list（陣列變數）
2.6 tuple（陣列）
2.7 if 敘述
2.8 for 敘述
2.9 向量
2.10 矩陣
2.11 矩陣的四則運算
2.12 切片
2.13 替換滿足條件的資料
2.14 help
2.15 函數
2.16 保存檔案

第3 章| 資料視覺化
3.1 繪製二維圖形
3.2 繪製三維圖形

第4 章| 機器學習中的數學
4.1 向量
4.2 求和符號
4.3 累乘符號
4.4 導數
4.5 偏導數
4.6 矩陣
4.7 指數函數和對數函數

第5 章| 監督學習：回歸
5.1 一維輸入的直線模型
5.2 二維輸入的平面模型
5.3 D 維線性回歸模型
5.4 線性基底函數模型
5.5 過擬合問題
5.6 新模型的生成
5.7 模型的選擇
5.8 小結

第6 章| 監督學習：分類
6.1 一維輸入的二元分類
6.2 二維輸入的二元分類
6.3 二維輸入的三元分類

第7 章| 神經網路與深度學習
7.1 神經元模型
7.2 神經網路模型
7.3 使用Keras 實現神經網路模型

第8 章| 神經網路與深度學習的應用（手寫數字辨識）
8.1 MINST 資料集
8.2 二層前饋神經網路模型
8.3 ReLU 啟動函數
8.4 空間篩檢程式
8.5 卷積神經網路
8.6 池化
8.7 Dropout
8.8 融合了各種特性的MNIST 辨識網路模型

第9 章| 無監督學習
9.1 二維輸入資料
9.2 K-means 演算法
9.3 混合高斯模型

第10 章| 本書小結

askw

Details

Released

2021/10/01

Language

Traditional Chinese

File format

PDF: Fit in large screen

Provide Adobe DRM

Provide PDF

Offer DRM free license

363386

ISBN

9789860776447

Buy products firstAnd download app to watch

Details

All

Management

Investing

Marketing

All

LGBTQ

Literature

Fiction

Romantic Fiction

All

Recreation

Illustrated Book

Fortune Telling

Travel

Eating Habits

Fitness

All

History/Geography

Law

Politics/Military

Applied Sciences

Natural Sciences

Philosophy

Biographies

Sociology

All

Computers/Technology

Language

All

Motivational

Health/Nutrition

Christianity

Buddhism

Taoism

Islam

Other Religions

Relationships

All

Comics

Illustrations

Fan Works

Romance Mangas for Teens

Teenage Mangas

High School Mangas

Romance Mangas

Yaoi Mangas

GL Mangas

TL Mangas

Gay Mangas

Others

All

Performance Art

Art

Design

Photography

All

Education

Kids/Teenagers

Pregnancy/Childbirth

All

Study

Government Exams

Financial Licenses

Teacher Exams

Professional Exams

TOEFL/TOEIC

Learning Skills

Official Publications

Job Hunting Exams

All

Female Photo Books

Male Photo Books

All

Business Management

Investing

Direct Marketing

Advertising

Law

All

News Analysis