| 1 |
|
|
| 機器學習入門：使用Scikit-Learn與TensorFlow |
|
|
|
| 作者：
黃建庭 |
價格：
420 |
書號：
AEL025700 |
◎從機器學習的基礎知識開始，逐步建構相關的延伸應用。
◎以經典範例搭配步驟化解說，帶領讀者掌握應用的訣竅！
．使用Kaggle網站的資料集，讀者可以透過本書所提供連結或關鍵字搜尋下載。
．使用Pandas與Numpy處理與分析資料。
．以Scikit-L...
more
|
|
 |
|
|
|
|
|
|
| 作者：
Valliappa Lakshmanan, Sara Robinson, Michael Munn |
價格：
680 |
書號：
A665 |
資料準備、模型建構與MLOps常見挑戰的解決方案
「本書提供了豐富的範例，如果你是資料科學家或ML工程師，而且想要了解如何使用行之有效的解決方案來處理複雜的ML問題，你一定要看這本書。」
—David Kanter
ML Commons執行長
「如果你想在建構ML解決方案的過程中減少傷害、碰撞和磨擦，Lak...
more
|
|
|
|
|
|
|
|
|
| 作者：
Alice Zheng, Amanda Casari |
價格：
520 |
書號：
A627 |
資料科學家需學的原理與技術
＂資料前置處理和特徵工程已經被認為是許多應用中模型效能的主要推手。我很高興終於有一本專書來談論這個主題。Alice和Amanda詳細解釋了許多常用技術的精妙細節。＂
—Andreas C. Müller
哥倫比亞大學機器學習講師
scikit-learn核心開發者
特徵工程是機...
more
|
|
|
|
|
|
|
| 機器學習實務｜資料科學工作流程與應用程式開發及最佳化 |
|
|
|
| 作者：
Andrew Kelleher, Adam Kelleher |
價格：
580 |
書號：
ACL055500 |
“這本書介紹機器學習與資料科學，聯結工程師與資料科學家，協助將相關技術應用在實務，確保你的投入能真正解決問題，以及提供實際應用時的最佳化技巧。”
-摘自系列編輯Paul Dix的序
成功資料科學專案的實務技巧
本書是資料科學與機器學習從業者解決實務問題技術的速成課。作者Andrew與Adam展示如何快速的產出...
more
|
|
|
|
|
|
|
|
|
| 作者：
有賀康顕、中山心太、西林孝 |
價格：
580 |
書號：
A576 |
本書是專為想要將機器學習實際應用在工作上的讀者所寫的書，說明如何在職場上應用機器學習與資料分析的工具。
透過本書，您可以了解：
．如何啟動機器學習的專案
．如何讓機器學習與現存的系統互動
．如何收集機器學習的資料
．如何建立假設與分析
．機器學習的基礎知識
．分門別類介紹機器學習演算法的各種特徵
．以阻...
more
|
|
|
|
|
|
|
|
|
| 作者：
大関真之 |
價格：
380 |
書號：
ACD015500 |
用最親切的方式，告訴你機器學習到底是在學什麼
．日本IT技術書部門大賞2018年得獎作品
．以輕鬆有趣的對話方式進行，沒有艱澀難懂的文字
．用生活化的譬喻解說機器學習的原理
．簡單易懂的插圖解說，非專業人士也能藉由本書理解機器學習
機器學習正處於不斷演化的階段，本書將介紹玻爾茲曼機器學習與深度學習。什麼是...
more
|
|
|
|
|
| 1 |