內容簡介
8 e! }+ z) K3 R% n( n' k8 g3 f, M ◎從機器學習的基礎知識開始,逐步建構相關的延伸應用。: F% W ?3 X- P5 [7 U4 _
◎以經典範例搭配步驟化解說,帶領讀者掌握應用的訣竅!
9 k: p1 y+ l* f. W( H8 _5 C; V .使用Kaggle網站的資料集,讀者可以透過本書所提供連結或關鍵字搜尋下載。
8 t3 s: Z. W- Z+ d .使用Pandas與Numpy處理與分析資料。
- B, g% m% [, ~( t1 u) b4 K .以Scikit-Learn實作監督式學習-線性廻歸、邏輯廻歸、決策樹、K-近鄰演算法、支援向量機,以及非監督式學習-K-means分群與階層式分群。) l3 q# ^' j9 g7 Z
.使用TensorFlow建立神經網路進行運算,實作前向傳播算法與反向傳播算法的運算過程。
2 k1 [8 p9 K1 H8 a1 [) q .介紹卷積神經網路的概念與運算過程,並使用TensorFlow 建立卷積神經網路進行運算。
. F# N" h0 R. F' K# |8 g 目錄
) w) n0 {1 M3 Q chapter 1 開發環境介紹
- f& p R% p* O: F' l3 S4 z- ` 1-1 安裝 Anaconda
+ E/ s H9 y$ w) b; w 1-2 使用 conda 啟用虛擬環境與安裝套件
: F( B/ W6 F: i# {4 c 1-3 在 Windows 啟用 Jupyter Notebook# T- R" s- e4 Q5 x" d' o
1-4 Jupyter Notebook 的快速鍵
6 f+ i; c! s% m6 Y3 s 1-5 使用 Google Colab 執行 Python 程式
! [+ {0 l4 d* K. I3 \. e0 k chapter 2 Pandas 與 Numpy 簡介+ p5 _6 E4 g2 X; k% U+ x: u
2-1 Pandas 的 Series. E$ Q2 y2 y2 t# R% M0 s1 M% [
2-2 Pandas 的 DataFrame) {7 y, F0 l% Y0 y
2-3 NumPy的重要功能: |- l' ~3 L/ G& ?( R& s, F
chapter 3 線性迴歸, {3 Q; l$ S: |7 T0 q% a
3-1 線性迴歸的運作原理4 r8 [5 O, O: p& ^
3-2 使用 sklearn 實作線性迴歸# D( m r: c% ^4 e
3-3 線性迴歸模型實作範例
! ~0 d# |6 ]. [: E. ?' m9 O" v1 {( V 3-4 習題! s) p- d" O0 P O. N8 `
chapter 4 邏輯迴歸- O q1 T% I) C- i# \
4-1 邏輯迴歸的運作原理
: u4 F5 K- B' n/ }/ @, U% N 4-2 使用 sklearn 實作邏輯迴歸2 r9 ^9 K: ^) d# S' W+ @. A
4-3 邏輯迴歸模型實作範例
2 U9 C5 H, }& d7 L- j* E: g+ q 4-4 習題
8 ^7 d" D" A& m) B) ?7 u. \ chapter 5 決策樹
6 _4 {+ I1 K) T$ N; |5 J 5-1 決策樹的運作過程% z1 y3 d% X0 E4 D5 N
5-2 使用 sklearn 實作決策樹/ @( g6 C4 {: Y7 U* K+ b
5-3 決策樹模型實作範例( A) }+ e" U( f1 U6 Q4 f
5-4 習題1 o3 z' i, d5 x* Q# x+ G; C
chapter 6 K-近鄰演算法0 |% h* u1 @8 j7 F
6-1 K-近鄰演算法的運作過程1 N- w8 P8 P+ u* O. Q
6-2 使用 sklearn 實作 K-近鄰演算法
1 A" }5 h2 g7 `4 [; _6 w) u 6-3 K-近鄰演算法模型實作範例
! e5 |' B' d0 p- B) a 6-4 習題
. Q0 {' e; k; q, H! E0 ^' e; [ chapter 7 支援向量機
; W" a" r, B t8 L2 y 7-1 支援向量機演算法的運作過程
3 O: }; Y( c2 [5 P# E5 G) ~4 a# N3 }* s 7-2 使用 sklearn 實作支援向量機7 Q4 m0 j, ?, a w$ c" k" a
7-3 支援向量機模型實作範例
& J' f1 c' a/ j3 k 7-4 習題1 G& A( \; ~/ }' ^) n3 U
chapter 8 K-means 分群
% N& z6 ?5 o- @3 ~8 C) s: d1 H: g1 o 8-1 K-means 分群的運作過程
" Y0 N" I) k, o- T, c 8-2 使用 sklearn 實作 K-means 分群9 s2 U( I% e \
8-3 使用 K-means 分群實作範例
9 E0 i8 [' o. B6 v. I 8-4 習題) S) U! A! z. m$ s2 p8 D# U
chapter 9 階層式分群
5 ?6 j3 {3 }% q. ] 9-1 階層式分群的運作過程
0 ]$ n1 u& E5 t. J I: a 9-2 使用 sklearn 實作階層式分群7 b+ W! E" E) V& Q% {) G. @; H* O
9-3 階層式分群實作範例: s0 ?6 _; ^$ D; G( s" a. s
9-4 習題
, O# n {2 I3 O+ r0 z chapter 10 神經網路( d$ z7 C& z3 y2 y) T" V3 A
10-1 神經網路的神經元+ ?! _2 m7 D- X- S9 g. v
10-2 線性可分割與非線性可分割
2 M3 B1 Z, u. G# g8 p 10-3 神經網路的運作, Y0 f4 u/ |# O3 r1 U) G
10-4 使用 keras 實作神經網路
' u; w( [" g2 h% l: Q5 ?% W; f0 w 10-5 激勵函式0 U2 g7 |( @5 t" m. {
10-6 Loss 函式
1 O: s* e9 y! g1 l 10-7 學習率與優化器7 V! J2 b, ?7 b5 W4 E% ^2 o
10-8 使用手寫數字辨識為範例
0 G! q, B$ x3 y7 M) R 10-9 習題% `& g$ T5 C' t% x$ s- h
chapter 11 卷積神經網路
/ T C/ b5 x$ M4 A. |# p; V 11-1 卷積神經網路模型運作原理0 x) C. d8 X; p3 |
11-2 使用 keras 實作卷積神經網路
# r( a1 @$ M/ H) ?! V8 a 11-3 卷積神經網路實作範例
( {' Z4 ~ o% s- V7 c% @ 11-4 習題
3 M. I1 n8 }$ ?7 ` chapter 12 使用 Cifar-10 圖庫訓練卷積神經網路# G- `& l; h4 m0 r' d& | ~1 f
12-1 使用卷積神經網路辨識 Cifar-10 圖庫
0 e8 }, o+ r" C6 f( j0 F3 c( S 12-2 使用更複雜的卷積神經網路辨識 Cifar-10 圖庫
1 Q8 N' J a F, w# @' f 12-3 習題! \; p- b8 ]+ l; g
chapter 13 預先訓練的模型8 V9 ?' z7 y8 h
13-1 使用 VGG16 辨識圖片1 ~( p) V. e: s5 e; [( |" D
13-2 顯示 VGG16 模型的組成
3 n: G8 Q- ?8 I% q0 \& _ 13-3 習題
! n8 F3 l1 l0 f( U, o chapter 14 中文文字分析與中文語音相關功能實作
! b0 J% M# V3 V5 k2 E. f 14-1 使用 Spacy 分析中文句子
: ?$ Z3 J X5 O4 e$ D% O 14-2 使用 Spacy 找出最相似的五個新聞標題
0 z& D3 R: O- x) F5 R 14-3 實作語音辨識與文字轉語音功能
6 i; C) B& q0 |! j9 X! b 14-4 習題
: ]- M$ w' D) R! v
s. J6 l) Z$ `, K3 R X" v$ I' ]/ A! E: e$ a. E( u# T
剩余 2% 内容需要支付 5.00×2共享币 后可完整阅读并提供下载链接
共享资料赚共享币,鼓励用户共享优质资料
|