機器學習最強入門:基礎數學/機率/統計邁向AI真實數據專題實作-王者歸來

· 深智數位股份有限公司
4.5
4 അവലോകനങ്ങൾ
ഇ-ബുക്ക്
772
പേജുകൾ

ഈ ഇ-ബുക്കിനെക്കുറിച്ച്

機器學習最強入門   基礎數學/機率/統計   邁向   AI真實數據 x 專題實作   ★★★★★【數學原理 + 演算法 + 真實案例+ 專題實作】★★★★★   ★★★★★【最簡明的數學、機率、統計知識】★★★★★   ★★★★★【最完整的機器學習演算法】★★★★★   ★★★★★【最豐富的真實數據 x 專題實作】★★★★★       本書特色如下:   ★    最白話解釋數學原理   ☆ 從簡單的數據開始理解機器學習的演算法   ★    將理論知識轉化為實際的程式碼   ☆ 實際案例分析   全書有約416個Python程式實例,讀者可以由本書內容,了解下列與機器學習有關的基礎數學、機率、統計知識:   ★    方程式與函數   ☆ 完整Python語法   ★ 一元函數到多元函數   ☆ 最小平方法   ★ 基礎統計   ☆ 機率與單純貝式理論   ★ 指數與對數   ☆ logit函數與logistic函數   ★ 向量與矩陣   ☆ 二次函數、三次函數與多項式函數   當讀者有了上述知識後,筆者從簡單的實例開始介紹下列機器學習的演算法,每一種演算法皆是從基礎數據開始解說,然後跨入真實數據,解說應該如何將演算法應用到真實案例環境:   ★    線性迴歸 – 波士頓房價   ☆ 邏輯迴歸 – 信用卡/葡萄酒/糖尿病   ★ 決策樹 – 葡萄酒/鐵達尼號/Telco/Retail   ☆ 隨機森林樹 – 波士頓房價/鐵達尼號/Telco/收入分析   ★ KNN演算法 – 電影推薦/足球射門/鳶尾花/小行星撞地球   ☆ 支援向量機 – 鳶尾花/乳癌/汽車燃料   ★ 單純貝式分類 – 垃圾郵件/中英文的新聞分類/情感分析/電影評論   ☆ 集成機器學習 – 蘑菇/醫療保險/玻璃/加州房價   ★ K-means分群 – 購物中心消費/葡萄酒評價   ☆ PCA主成分分析 – 手寫數字/人臉數據   ★ 階層式分群 – 小麥數據/老實泉   ☆ DBSCAN演算法 – 購物中心客戶分析   在講解上述演算法時,筆者同時介紹下列機器學習應該知道的知識:   ★    特徵選擇   ☆ 用直方圖了解特徵分佈   ★ 用箱型圖了解異常值   ☆ 數據預處理   ★ 殘差圖(Residual plot)   ☆ 機器學習性能評估   ★ 過擬合(overfitting)   ☆ 欠擬合(underfitting)   ★ 數據洩漏(Data leakage)   ☆ 繪製決策樹圖(Decision tree map)   ★ 可視化熱力圖(Heat map)   ☆ 決策邊界(Decision Boundary)   ★ 增加數據維度與超平面   ☆ 交叉驗證(Cross-validation)   ★ 泛化能力(Generalization Ability)   ☆ 弱學習器(Weaks learners)   ★ 強學習器(Strong learners)   ☆ 學習模型(base learner)   本書最後一章,介紹了熱門的AI主題「語音辨識」,從本章內容讀者可以學會下列知識:   ★ 語音轉文字   ☆ 文字轉語音       ※ 本書所有程式實例可至深智官網下載:deepwisdom.com.tw

 

റേറ്റിംഗുകളും റിവ്യൂകളും

4.5
4 റിവ്യൂകൾ

ഈ ഇ-ബുക്ക് റേറ്റ് ചെയ്യുക

നിങ്ങളുടെ അഭിപ്രായം ഞങ്ങളെ അറിയിക്കുക.

വായനാ വിവരങ്ങൾ

സ്‌മാർട്ട്ഫോണുകളും ടാബ്‌ലെറ്റുകളും
Android, iPad/iPhone എന്നിവയ്ക്കായി Google Play ബുക്‌സ് ആപ്പ് ഇൻസ്‌റ്റാൾ ചെയ്യുക. ഇത് നിങ്ങളുടെ അക്കൗണ്ടുമായി സ്വയമേവ സമന്വയിപ്പിക്കപ്പെടുകയും, എവിടെ ആയിരുന്നാലും ഓൺലൈനിൽ അല്ലെങ്കിൽ ഓഫ്‌ലൈനിൽ വായിക്കാൻ നിങ്ങളെ അനുവദിക്കുകയും ചെയ്യുന്നു.
ലാപ്ടോപ്പുകളും കമ്പ്യൂട്ടറുകളും
Google Play-യിൽ നിന്ന് വാങ്ങിയിട്ടുള്ള ഓഡിയോ ബുക്കുകൾ കമ്പ്യൂട്ടറിന്‍റെ വെബ് ബ്രൗസർ ഉപയോഗിച്ചുകൊണ്ട് വായിക്കാവുന്നതാണ്.
ഇ-റീഡറുകളും മറ്റ് ഉപകരണങ്ങളും
Kobo ഇ-റീഡറുകൾ പോലുള്ള ഇ-ഇങ്ക് ഉപകരണങ്ങളിൽ വായിക്കാൻ ഒരു ഫയൽ ഡൗൺലോഡ് ചെയ്ത് അത് നിങ്ങളുടെ ഉപകരണത്തിലേക്ക് കൈമാറേണ്ടതുണ്ട്. പിന്തുണയുള്ള ഇ-റീഡറുകളിലേക്ക് ഫയലുകൾ കൈമാറാൻ, സഹായ കേന്ദ്രത്തിലുള്ള വിശദമായ നിർദ്ദേശങ്ങൾ ഫോളോ ചെയ്യുക.