初探機器學習演算法
Machine Learning Algorithms
 
作者: Giuseppe Bonaccorso
譯者: 賴屹民
書號: ACL050900     出版日: 2017/12/06
ISBN: 9789864766741     EAN: 9789864766741
紙本書價格: 480     附件:  線上下載
電子書: 尚未出版
  博客來  
  金石堂  
  天瓏  
  團體購書



回頁首
熱門資料科學與機器學習演算法學習指南

本書介紹並說明資料科學領域常見且重要的機器學習演算法,這些演算法可用於監督式與非監督學習、強化學習與半監督式學習。書中所討論的演算法包括線性迴歸、logistic迴歸、SVM、樸素貝氏、k-means、隨機森林、TensorFlow與特徵工程。

你將會學到如何使用這些演算法來解決問題,以及它們的工作原理。同時也會介紹自然語言處理與推薦系統,以協助同時執行多種演算法。

最後將會知道如何挑選正確的機器學習演算法,來為你的問題進行分群、分類或迴歸。

你將學會:
• 熟悉機器學習的重要元素
• 瞭解特徵選擇與特徵工程流程
• 平衡線性迴歸的效能與誤差
• 建立資料模型,與使用各種類型的演算法來瞭解它的工作方式
• 微調SVM的參數
• 實作資料集的群聚
• 探索自然語言處理與推薦系統的概念
• 從零開始建立機器學習架構

回頁首
Giuseppe Bonaccorso 是具備12年經驗的機器學習與大數據顧問,擁有義大利University of Catania電機工程學碩士,與義大利University of Rome,Tor Vergata和英國University of Essex的畢業後研究經驗。曾在各種商業領域擔任IT工作,包括公共行政、軍事、公用事業、保健、診斷與廣告,也曾經使用許多技術來開發與管理各種專案,包括Java、Python、Hadoop、Spark、Theano與TensorFlow。他的主要興趣是人工智慧、機器學習、資料科學與心靈哲學。

回頁首

實戰TensorFlow|Google深度學習系統 實戰TensorFlow|Google深度學習系統 演算法的樂趣|23個程式設計必學主題與應用實例


回頁首

第 1 章 機器學習簡介
第 2 章 機器學習的重要元素
第 3 章 特徵選擇與特徵工程
第 4 章 線性迴歸
第 5 章 Logistic 迴歸
第 6 章 樸素貝氏
第 7 章 支援向量機
第 8 章 決策樹與整體學習
第 9 章 分群基礎
第 10 章 階層式分群
第 11 章 推薦系統簡介
第 12 章 自然語言處理簡介
第 13 章 NLP 的主題建模與情緒分析
第 14 章 深度學習與 TensorFlow 簡介
第 15 章 建立機器學習架構

回頁首

請選擇所需之附件
範例檔
檔案名稱
下載
檔案名稱
下載
Machine-Learning-Algorithms-master
MachineLearningAlgorithms_ColorImages
下載


 


  
 

關於碁峰隱私權政策聯絡我們     檢視 : PC 版  手機版
碁峰資訊股份有限公司 GOTOP INFORMATION INC.
台北市南港區三重路66號7樓之6 / 7F.-6,No.66,Sanchong Rd.,Nangang District,Taipei
TEL:(02)2788-2408 FAX:(02)8192-4433 劃撥帳號:14244383
Copyright 2014© GOTOP Information Inc, All Rights Reserved 請勿任意連結、轉載