167908,154734

初探機器學習演算法

初探機器學習演算法

您的評分:


出版日期:2019/01/31
出版:碁峰資訊
作者:Giuseppe Bonaccorso
語言:繁體中文(台灣)
頁數:339
ID:167908
產品類型:電子書
檔案格式:PDF(適合平板)
下載選項:Adobe DRM

結帳再折 NT$ 118
10週年慶65折

零售
)檢舉
免費試閱
嵌入閱讀器至您的網頁

內容簡介

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

章節目錄

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

作者介紹

Giuseppe Bonaccorso

  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。

留言Facebook 留言

問問題