-
零基礎入門的機器學習圖鑑:2大類機器學習╳ 17種演算法 ╳ Python基礎教學,讓你輕鬆學以致用
-
點閱:604
46人已收藏
- 譯自:見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑
- 作者: 秋庭伸也, 杉山阿聖, 寺田學著 , 周若珍譯
- 出版社:采實文化
- 出版年:2020
- ISBN:9789865072414
- 格式:EPUB 版式
★★★最淺顯易懂的機器學習專書★★★
與其害怕被AI取代,
不如學會機器學習,讓AI為你所用!
★ 日本亞馬遜資訊相關類暢銷榜No. 1
.針對各類機器學習全圖像化,深入淺出的機器學習入門書
.詳解各種機器學習演算法的概念和用途,學會如何選對演算法
.所有機器學習演算法皆提供Python範例程式碼,讓你現學現用
【什麼是機器學習?】
人工智慧(AI)、機器學習、深度學習⋯⋯與人類的生活密不可分,
但多數人對這些專有名詞一知半解,甚至有些誤解,
實現 AI 的方法包羅萬象,但機器學習是實現AI最普及的方法,
有些人誤以為深度學習就是AI,但事實上深度學習也是種機器學習。
機器學習顧名思義,就是電腦會透過演算法,根據問題或環境自動學習,
並運用學習結果來解決問題。
【機器學習的應用觸及各領域】
機器學習可以應用在各種領域,包括:
自動駕駛、文書處理、資料分析、自動翻譯、醫療診斷、預測天氣⋯⋯
近年來,因為電腦價格降低,讓機器學習普及,不再是高深的技術,
讓非理科出身的文科人也能容易學習,運用在工作上。
由於機器學習有許多種類,因此懂得如何選擇最適合的演算法,
才能讓精準解決問題,事半功倍。
【2大類 ╳ 17種演算法,弄懂機器學習的邏輯與概念】
◎ 9種監督式學習:將問題的答案輸入電腦,讓電腦自己學習,像是過濾垃圾郵件
.問題分類(分類):羅吉斯迴歸、單純貝氏分類器
.找出特徵關聯性(迴歸):線性迴歸、正則化
.分類且找出關聯性:支持向量機、Kernel法、隨機森林、類神經網路、kNN
◎ 8種無監督式學習:提供電腦問題與特徵,讓電腦自行分類,例如找出有車的照片
.選擇特徵與數量(降維): PCA、LSA、NMF、LDA、LLE、t-SNE
.特徵分類(分群):k-means分群法、高斯混合分布
【Python是時下最熱門的程式語言】
在學習機器學習的演算法時,
Python是最容易上手,適用於各作業系統,也完全免費的程式語言軟體,
與機器學習及統計相關的函式庫也非常豐富。
本書所有範例程式碼都是使用Python語法編寫,
因此書中還附有Python基礎教學。
本書用一張圖帶你掌握機器學習的整體輪廓,學會機器學習的基礎知識和概念,
了解在學習機器學習的演算法時最重要的處理過程,
幫你學會如何精準選對演算法,只要掌握每一種演算法的性質,
相信就能學會實際操作機器學習,解決生活和工作上的問題,讓AI為你所用!
【本書適合哪些人閱讀?】
.對機器學習感興趣,已經開始學習的人
.已懂得一些機器學習演算法,想學習更多的人
.不熟悉方程式,看不懂機器學習專書的人
.想學會如何因應問題來選擇機器學習演算法的人
.有程式設計經驗,有能力執行範例程式碼的人
【專業推薦】
李忠謀|國立台灣師範大學資訊工程系教授、國際資訊奧林匹亞競賽主席
資工心理人|竹謙科技研發工程師
鄭國威|泛科知識公司知識長
蘇書平|為你而讀/人資商學院創辦人
「這本書可作為對機器學習完全不懂的新手,踏入這個領域的敲門磚,本書先是說明機器學習的基礎知識,接著介紹17種機器學習的基礎演算法,每個章節皆有實際的程式碼範例,並且用圖片來視覺化這些演算法是如何去處理分類資料,建議讀者可以邊學邊做,嘗試著書中的程式碼來解決問題,相信會有滿滿的收穫,讓您在讀完本書之後,也能夠掌握機器學習的基礎知識,不管是要面對實作的問題,或者是學習更進階的方法,都能夠無往不利。」──資工心理人,竹謙科技研發工程師
「商業分析師在台灣的求職市場上已經慢慢變成最熱門的職缺之一,如果你懂得機器學習的基礎技術,更可以幫助你從大量原始的數據挖掘有意義的情報,解決各種複雜性的商業問題。這是我一本我看過最淺顯易懂的好書,非常推薦給你。」──蘇書平,為你而讀/人資商學院創辦人
- 封面
- 目次
- 好評推薦
- 推薦序 兼具實作與理論的機器學習實用指南/蔡明亨
- 前言 把機器學習化繁為簡的圖鑑大全
- 本書使用方法
- 第1章 機器學習的基礎
- 1.1 機器學習的概要
- 1.2 機器學習的主要步驟
- 第2章 監督式學習
- 01 線性迴歸
- 02 正則化
- 03 羅吉斯迴歸
- 04 支持向量機
- 05 支持向量機(Kernel法)
- 06 單純貝氏分類器
- 07 隨機森林
- 08 類神經網路
- 09 kNN
- 第3章 非監督式學習
- 10 PCA
- 11 LSA
- 12 NMF
- 13 LDA
- 14 k-means分群法
- 15 高斯混合分布
- 16 LLE
- 17 t-SNE
- 第4章 評估方法及各種資料的運用
- 4.1 評估方法
- 4.2 文字資料的轉換處理
- 4.3 圖像資料的轉換處理
- 第5章 環境設置
- 5.1 安裝Python3
- 5.2 虛擬環境
- 5.3 安裝套件
- 附錄
- 方程式說明
- 專有名詞說明
- 參考文獻
紙本書 NT$ 450
單本電子書 NT$ 315
優惠價
NT$
268
(優惠期限:2024-12-31)
同分類熱門書