幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Python機器學習(原書第2版)/數據科學與工程技術叢書

  • 作者：(美)塞巴斯蒂安·拉施卡//瓦希德·米爾賈利利|譯者:陳斌
  • 出版社：機械工業
  • ISBN：9787111611509
  • 出版日期：2019/01/01
  • 裝幀：平裝
  • 頁數：366
人民幣：RMB 89 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    塞巴斯蒂安·拉施卡、瓦希德·米爾賈利利著的《Python機器學習(原書第2版)》自第1版出版以來，備受廣大讀者歡迎。與同類書相比，本書除了介紹如何用Python和基於Python的機器學習軟體庫進行實踐外，還對機器學習概念的必要細節進行討論，同時對機器學習演算法的工作原理、使用方法以及如何避免掉入常見的陷阱提供直觀且翔實的解釋，是Python機器學習入門必讀之作。
    本書將帶領你進入預測分析的世界，並展示為什麼Python會成為數據科學領域首屈一指的電腦語言。如果你想更好地從數據中得到問題的答案，或者想要提升並擴展現有機器學習系統的性能，那麼這本基於數據科學實踐的書籍非常值得一讀。它的內容涵蓋了眾多高效Python庫，包括scikit-learn、Keras和TensorFlow等，系統性地梳理和分析了各種經典演算法，並通過Python語言以具體代碼示例的方式深入淺出地介紹了各種演算法的應用，還給出了從情感分析到神經網路的一些實踐技巧，這些內容能使你快速解決你和你的團隊面臨的一些重要問題。
    不管你是學習數據科學的初學者，還是想進一步拓展對數據科學領域的認知，本書都是一個重要且不可錯過的資源，它能幫助你了解如何使用Python解決數據中的關鍵問題。
作者介紹
(美)塞巴斯蒂安·拉施卡//瓦希德·米爾賈利利|譯者:陳斌
    塞巴斯蒂安·拉施卡（Sebastian Raschka）從密歇根州立大學獲得博士學位，在此期間他主要關注計算生物學和機器學習交叉領域的方法研究。他在2018年夏季加入威斯康星-麥迪遜大學，擔任統計學助理教授。他的主要研究活動包括開發新的深度學習體系結構來解決生物統計學領域的問題。     Sebastian在Python編程方面擁有多年經驗，多年來針對數據科學、機器學習和深度學習的實際應用組織過多次研討會，並在SciPy（重要的Python科學計算會議）上發布過機器學習教程。     本書是Sebastian的主要學術成就之一，也是Packt和Amazon.com的暢銷書之一，曾獲《ACM計算評論》2016年度最佳獎，並被翻譯成包括德文、韓文、中文、日文、俄文、波蘭文和義大利文在內的多種語言。     在閑暇時間里，Sebastian熱衷於為開源項目做貢獻，他所實現的方法現已成功用於像Kaggle這樣的機器學習競賽。
目錄
譯者序
關於作者
關於審校人員
前言
第1章  賦予電腦從數據中學習的能力
  1.1  構建把數據轉換為知識的智能機器
  1.2  三種不同類型的機器學習
    1.2.1  用有監督學習預測未來
    1.2.2  用強化學習解決交互問題
    1.2.3  用無監督學習發現隱藏結構
  1.3  基本術語與符號
  1.4  構建機器學習系統的路線圖
    1.4.1  預處理—整理數據
    1.4.2  訓練和選擇預測模型
    1.4.3  評估模型和預測新樣本數據
  1.5  用Python進行機器學習
    1.5.1  從Python包索引安裝Python和其他包
    1.5.2  採用Anaconda Python和軟體包管理器
    1.5.3  科學計算、數據科學和機器學習軟體包
  1.6  小結
第2章  訓練簡單的機器學習分類演算法
  2.1  人工神經元—機器學習早期歷史一瞥
    2.1.1  人工神經元的正式定義
    2.1.2  感知器學習規則
  2.2  在Python中實現感知器學習演算法
    2.2.1  面向對象的感知器API
    2.2.2  在鳶尾花數據集上訓練感知器模型
  2.3  自適應神經元和學習收斂
    2.3.1  梯度下降為最小代價函數
    2.3.2  用Python實現Adaline
    2.3.3  通過調整特徵大小改善梯度下降
    2.3.4  大規模機器學習與隨機梯度下降
  2.4  小結
第3章  scikit-learn機器學習分類器一覽
  3.1  選擇分類演算法
  3.2  了解scikit-learn軟體庫的第一步—訓練感知器
  3.3  基於邏輯回歸的分類概率建模
  ……
第4章  構建良好的訓練集——預處理
第5章  通過降維壓縮數據
第6章  模型評估和超參數調優的最佳實踐
第7章  綜合不同模型的組合學習
第8章  應用機器學習於情感分析
第9章  將機器學習模型嵌入網路應用
第10章  用回歸分析預測連續目標變數
第11章  用聚類分析處理無標籤數據
第12章  從零開始實現多層人工神經網路
第13章  用TensorFlow並行訓練神經網路
第14章  深入探討TensorFlow的工作原理
第15章  深度卷積神經網路圖形識別

第16章  用遞歸神經網路為序列數據建模

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032