0人評分過此書
全民瘋 AI 系列：經典機器學習
全民瘋 AI 系列 - 經典機器學習 https://youtu.be/JAlwnGNOLsY ✴︎ 全方位解析AI應用，揭開機器學習開發中常見的十大新手陷阱。 ✴︎ 從模型訓練到實際落地，全面掌握AI技術在真實世界中的應用與價值。 ✴︎ 資料視覺化、清理、正規化與標準化，為AI模型做好全面準備。 ✴︎ 非監督與監督學習技術解析，涵蓋分群、迴歸與分類，結合實際應用。 ✴︎ 搭配十三種經典實務範例，深入掌握模型構建與優化技巧。 ✴︎ 模型落地實踐與整合應用，結合FastAPI打造完整AI應用服務。
-
第1部分 AI 基礎概念
-
第1章 人工智慧基礎
-
1.1 探索AI 的世界
-
1.2 機器學習大補帖
-
1.3 環境安裝指南
-
-
第2章 發現資料的秘密
-
2.1 資料的探索與準備
-
2.2 探索式資料分析
-
2.3 離群值的檢查與處理方法
-
2.4 資料清理和前處理
-
2.5 數據正規化與標準化
-
-
-
第2部分 機器學習入門
-
第3章 非監督式學習：資料分群分類
-
3.1 何謂非監督式學習？
-
3.2 K-means 簡介
-
3.3 K-means 實務應用：群眾消費行為分群
-
3.4 降維技術在機器學習中的應用
-
3.5 降維實務應用：手寫數字降維視覺化
-
-
第4章 線性模型
-
4.1 線性迴歸
-
4.2 線性迴歸實務應用：同步機勵磁電流預測
-
4.3 邏輯迴歸
-
4.4 邏輯迴歸實務應用：鳶尾花朵分類
-
-
第5章 鄰近規則分析
-
5.1 k- 近鄰演算法
-
5.2 KNN 實務應用：葡萄酒品種分類
-
-
第6章 支援向量機
-
6.1 支援向量機簡介
-
6.2 支援向量機於分類和迴歸任務
-
6.3 SVM（分類）實務應用：手寫數字辨識
-
6.4 SVR（迴歸）實務應用：薪資預測
-
-
第7章 決策樹
-
7.1 決策樹簡介
-
7.2 CART 決策樹
-
7.3 決策樹的可解釋性
-
7.4 決策樹（分類）實務應用：玻璃類型檢測
-
7.5 決策樹（迴歸）實務應用：房價預測
-
-
第8章 整體學習
-
8.1 何謂整體學習？
-
8.2 隨機森林
-
8.3 隨機森林（分類）實務應用：糖尿病罹患預測
-
8.4 隨機森林（迴歸）實務應用：帕金森氏症評估預測
-
8.5 極限梯度提升（XGBoost）
-
8.6 XGBoost（分類）實務應用：銀行客戶定存申辦預測
-
8.7 XGBoost（迴歸）實務應用：汽車燃油效率預測
-
-
-
第3部分 進階概念與應用
-
第9章 交叉驗證和錯誤修正
-
9.1 不能忽視的過擬合與欠擬合
-
9.2 交叉驗證簡介
-
9.3 機器學習常犯錯的十件事
-
-
第10章 模型落地實踐與整合應用
-
10.1 模型整合與部署
-
10.2 儲存訓練好的模型
-
10.3 使用ONNX Runtime 進行模型推論
-
10.4 使用FastAPI 建立模型推論服務
-
10.5 網頁推論與前後端整合
-
-
- 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
