.
第1章 什麼是機器學習?它是一種常識,只是是由電腦來完成第2章 機器學習的類型第3章 在資料點附近畫一條線:線性迴歸第4章 最佳化訓練過程:配適不足、過度配適、測試和正規化第5章 用線來分割我們的點:感知器算法第6章 用以分裂點的連續方法:邏輯分類器第7章 你如何衡量分類模型?準確率及其朋友第8章 最大程度地利用機率:單純貝氏分類模型第9章 透過提問來分割資料:決策樹第10章 組合建構組塊以獲得更多力量:神經網路第11章 用風格尋找邊界:支援向量機和核方法第12章 結合模型以最大化結果:集成學習第13章 付諸實踐:資料工程和機器學習的真實案例附錄A 練習題的答案附錄B 梯度下降背後的數學含意:使用導數和斜率附錄C 參考資料
凡人也能懂的白話人工智慧演算法 實戰Python Flask開發|基礎知識x物件偵測x機器學習應用 AI開發的機器學習系統設計模式