TOP
0
0
【簡體曬書區】 單本79折,5本7折,活動好評延長至5/31,趕緊把握這一波!
練好機器學習的基本功:用Python進行基礎數學理論的實作
滿額折

練好機器學習的基本功:用Python進行基礎數學理論的實作

定價
:NT$ 450 元
優惠價
90405
領券後再享88折
團購優惠券B
8本以上且滿1500元
再享89折,單本省下45元
無庫存,下單後進貨(採購期約4~10個工作天)
可得紅利積點:12 點
相關商品
商品簡介
作者簡介
目次

商品簡介

 這是一本為了需要學習機器學習,同時又想要搞懂其基本理論的讀者所撰寫的書。透過本書的登場人物:程式設計師綾乃與朋友美緒的對話,便可以與書中的兩位的角色一起成長。書中雖然有許多的數學公式,但只要跟著書中人物一起學,便能自然而然地搞懂,從而奠定更加堅實的機器學習基礎。

藉由本書,您可以了解:
.迴歸、分類、分群演算法
.使用迴歸進行預測的方法
.應用分類找出最適切結果的方法
.如何評估模型的正確程度
.如何使用Python來計算數學公式

作者簡介

 立石 賢吾(TATEISHI KENGO)
LINE Fukuoka株式會社資料工程師。
佐賀大學畢業後就職於佐賀縣內的系統開發公司,其後歷經福岡的開發公司,於2014年就職於LINE Fukuoka株式會社,負責資料分析及機器學習的相關工作。

 「機器學習」是近期當紅的技術名詞,對於機器學習到底是什麼,機器學習又能做些什麼,感到好奇的人相當多,各式各樣的衍生資源蓬勃發展,在網路上可以找到許多專為機器學習而設計與開發的函式庫,可供我們免費取用學習。即便是不清楚其理論,只要懂得使用函式庫與資料集,撰寫數行的程式碼便可應用機器學習的技術。導入的門檻確實是降低了,在實際動手撰寫程式的同時,確實也能掌握機器學習的概念。不過,話雖如此,使用不明就理的黑盒子多少會感到不安。雖然藉由函式庫的幫助,即使不清楚理論也可以使用機器學習。但是,對於工程師來說,使用不清楚其內容的東西,必定會伴隨一定程度的不安,以這樣的方式來使用這項技術,或多或少會有不踏實的感覺。

本書是為了想要掌握機器學習理論基礎的人所寫的。透過本書的登場人物:程式設計師綾乃與朋友美緒的對話,在逐步理解機器學習的理論的同時一起學習。許多為了初學者而寫的入門書極力避免讓數學表示式出現,而本書則是經常會出現數學表示式,其中也許會有看起來稍微困難的表示式,不過,從綾乃與美緒的討論中,我們可以自然而然地理解數學表示式的意義,為方便已經忘記高中數學的人進行複習,在附錄也會解說數學的基礎知識,請各位不用慌張,安心地閱讀下去。

只要充分理解本書傳授的基礎知識,便可在各種場面上加以應用,有助於您加深對於函式庫內容的理解、或者自行撰寫機器學習演算法、閱讀最新的論文,進行各種運用。就讓我們跟綾乃與美緒一同踏上機器學習的學習旅途吧!

目次

Chapter1 旅程的開始
本章針對機器學習為什麼會演變成眾所矚目的焦點,以及運用機器學習可以辦到些什麼等概要進行說明,同時對迴歸、分類、分群等演算法做簡單的解說。

Chapter2 瞭解迴歸~根據廣告費預測點擊數
本章以「由花費在廣告上的費用,來預測點擊數」為主題,對迴歸進行學習。首先會以簡單的範例來思索進行預測需要導出什麼樣的式子,並探討如何將其逼近結果的方法。

Chapter3 瞭解分類〜依照圖像大小進行分類
本章以「由圖像的尺寸,來分類縱長形與橫長形」為主題,對分類進行學習。
與Chapter2相同,首先會思索為了進行分類會需要導出什麼樣的式子,並探討如何將其逼近最適切結果的方法。

Chapter4 瞭解評估〜確認模型的正確性
本章將對第2章與第3章建構模型的正確程度,也就是精度進行確認。將會介紹模型的評估方式,以及有哪些指標可用做評估。

Chapter5 動手寫程式〜 以Python來進行程式設計
本章根據第2~4章所學到的內容,以Python來撰寫程式。我們將可以了解到,如何將以數學表示式所構想出來的內容,以程式來進行處理。

Appendix
附錄收錄了從前面五章未提及的數學解說供各位參考。
總和的記號、乘積的記號/微分/偏微分/合成函數/向量與矩陣/幾何向量/指數、對數/Python環境建構/Python的基本/NumPy的基本

您曾經瀏覽過的商品

購物須知

為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。

若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。

優惠價:90 405
無庫存,下單後進貨
(採購期約4~10個工作天)

暢銷榜

客服中心

收藏

會員專區