0人評分過此書
機器學習：使用Python
作者
：
出版日期
：
2023/05/08
閱讀格式
：
PDF
ISBN
：
9786263284463
1.從入門者的角度編寫，快速幫讀者複習Python語言後，再介紹機器學習概論及模型。
2.講述機器學習的各種實作項目，如資料分析、線性回歸模型及模型評估等，並提供範例程式給讀者練習。
3.最後一章簡單介紹其他AI相關主題，例如單純貝氏分類器、資料前處理、集成學習等。
機器學習是AI人工智慧的基礎，但機器學習本身是門較高深的課程，而本書為了讓讀者能夠快速理解，從入門者的角度做編寫。書中先講述AI及Python語言，複習Python基礎語法到進階語法，讓讀者先掌握Python語言，接著學習機器學習的各種實作項目，如資料分析、線性回歸模型及模型評估等，藉此對於機器學習有更進一步的認識。
2.講述機器學習的各種實作項目，如資料分析、線性回歸模型及模型評估等，並提供範例程式給讀者練習。
3.最後一章簡單介紹其他AI相關主題，例如單純貝氏分類器、資料前處理、集成學習等。
機器學習是AI人工智慧的基礎，但機器學習本身是門較高深的課程，而本書為了讓讀者能夠快速理解，從入門者的角度做編寫。書中先講述AI及Python語言，複習Python基礎語法到進階語法，讓讀者先掌握Python語言，接著學習機器學習的各種實作項目，如資料分析、線性回歸模型及模型評估等，藉此對於機器學習有更進一步的認識。
-
第1章 AI、AI技術與AI應用
-
1-1 人工智慧
-
1-2 AI技術
-
1-3 AI應用
-
1-4 AI與數學
-
1-4-1 函數的概念
-
1-4-2 線性代數的概念
-
1-4-3 微分的概念
-
1-4-4 常態分佈概論
-
1-4-5 機率與統計概論
-
-
1-5 AI與編程
-
1-6 何謂深度學習
-
-
第2章 Python基礎編程語法
-
2-1 何謂變數
-
2-2 編程的操作型定義～以變數為例
-
2-3 運算與資料
-
2-4 決策（if）語法
-
2-5 while迴圈
-
2-6 for迴圈
-
2-7 功能呼叫（function call）
-
2-8 全域變數與區域變數
-
2-9 List資料結構
-
2-10 物件的基本觀念
-
2-11 numpy模組的多維陣列
-
-
第3章 Python進階編程語法
-
3-1 向量運算模式與泛化函式
-
3-2 matplotlib繪圖模組的運用
-
3-3 檔案的輸入輸出
-
3-4 物件導向程式設計基本概念
-
3-5 其他
-
-
第4章 資料分析的基本觀念
-
4-1 隨機取樣
-
4-2 摘要統計（summary statistics）
-
4-3 共變異數與相關係數
-
4-4 資料分群演算法
-
4-5 Python的K-means分群演算法的應用
-
-
第5章 線性迴歸模型
-
5-1 線性迴歸的數學原理
-
5-2 Python的線性迴歸模組
-
5-3 線性迴歸模型的應用
-
5-4 羅吉斯迴歸
-
5-5 梯度下降演算法
-
-
第6章 線性分類器
-
6-1 線性迴歸分類器
-
6-2 支持向量機分類器
-
6-3 SVM原理推導
-
6-4 核函數
-
6-5 SVM的多元分類應用
-
6-6 SVM模型參數的匯出
-
-
第7章 非線性分類器
-
7-1 類神經網路分類器概論
-
7-2 類神經網路的應用
-
7-3 Python的類神經網路機器學習模組
-
7-4 決策樹實務應用
-
-
第8章 模型評估
-
8-1 分類器效能指標
-
8-2 ROC曲線
-
8-3 殘差分析
-
-
第9章 其他AI相關主題
-
9-1 k最近鄰分類演算法
-
9-2 單純貝氏分類器
-
9-3 主要成分分析
-
9-4 資料前處理
-
9-5 集成學習
-
-
附錄A Python安裝與使用
-
A-1 Python開發環境介紹
-
A-2 安裝Python
-
A-3 IDLE的使用
-
A-4 Python命令列視窗模式
-
A-5 pip的使用
-
- 出版地 ： 臺灣
- 語言 ： 繁體中文
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
PDF
PDF
