Python機器學習與項目實踐 唐明偉 胡節 陳曉亮 9787121487866 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202411*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：Python機器學習與項目實踐
ISBN：9787121487866
出版社：電子工業
著編譯者：唐明偉 胡節 陳曉亮
頁數：206
所在地：中國大陸 *此為代購商品
書號：1700213
可大量預訂，請先連絡。

內容簡介

本書以Python為主要編程語言，致力於幫助讀者深入了解機器學習的核心概念與理論，並通過實際項目實踐加深對概念的理解。首先，本書從機器學習的基礎概念開始，介紹了常見的典型線性模型、前饋神經網絡、卷積神經網絡、循環神經網絡和圖神經網絡等算法。通過清晰的實例和案例，讀者可以逐步掌握回歸、分類、聚類等機器學習任務的關鍵原理和技術。隨後，本書著重介紹項目實踐，通過機器學習模型的應用案例，引導讀者將理論知識轉化為實際項目，包括數據清理、特徵工程、模型選擇和調優等內容。本書強調實用性，涵蓋各種常見的機器學習庫和框架。通過實例演示和代碼示範，讀者可以迅速入門，並在實際項目中靈活運用。此外，本書關注新的機器學習趨勢和發展，包括深度學習、自然語言處理和計算機視覺等熱門領域，讀者閱讀本書能夠了解行業內新的技術進展，為學習和職業發展保持敏銳的洞察力。 本書既可作為高等學校大學計算機類課程的教材，也可作為機器學習項目實踐培訓或自學教材，還可作為廣大初級、中級計算機用戶的自學參考書。

目錄

第1章 緒論
1 1 引言
1 2 概念
1 2 1 什麼是機器學習
1 2 2 機器學習的流程
1 2 3 機器學習模型的分類
1 2 4 機器學習應用領域介紹
1 3 常用術語
1 3 1 假設函數和損失函數
1 3 2 擬合、過擬合和欠擬合
1 4 機器學習環境構建和常用工具
1 4 1 Python
1 4 2 Anaconda+Jupyter Notebook
1 4 3 NumPy
1 4 4 Matplotlib
1 4 5 Pandas
1 4 6 Scikit-learn
1 4 7 PyTorch
第2章 機器學習基礎概念
2 1 相關數學概念
2 1 1 線性代數
2 1 2 微分
2 1 3 概率
2 2 數據征表示
2 2 1 數據征
2 2 2 征工程和征學習
2 3 評指標
2 4 損失函數
第3章 典型線性模型
3 1 線性回歸模型
3 1 1 線性回歸的概念
3 1 2 線性回歸模型的代碼實現
3 2 邏輯回歸模型
3 2 1 邏輯回歸的概念
3 2 2 邏輯回歸模型的代碼實現
3 3 樸素貝葉斯模型
3 3 1 樸素貝葉斯的概念
3 3 2 樸素貝葉斯模型的代碼實現
3 4 決策樹模型
3 4 1 決策樹的概念
3 4 2 決策樹模型的代碼實現
3 5 支持向量機模型
3 5 1 支持向量機的概念
3 5 2 支持向量機模型的代碼實現
3 6 KNN模型
3 6 1 KNN的概念
3 6 2 KNN模型的代碼實現
3 7 隨機森林模型
3 7 1 隨機森林的概念
3 7 2 隨機森林模型的代碼實現
第4章 前饋經網絡
4 1 經元與感知機
4 2 激活函數
4 2 1 Sigmoid函數
4 2 2 Tanh函數
4 2 3 ReLU函數
4 2 4 Swish函數
4 2 5 Maxout函數
4 2 6 Softplus函數
4 2 7 Softmax函數
4 3 前饋經網絡結構
4 3 1 通用近似定理
4 3 2 應用到機器學習
4 3 3 參數學習
4 4 反向傳播算法
4 5 梯度計算
4 5 1 數值微分
4 5 2 符號微分
4 5 3 自動微分
4 6 網絡化
4 6 1 化問題
4 6 2 化算法
4 7 前饋經網絡應用實例
第5章 卷積經網絡
5 1 卷積運算
5 1 1 一維卷積
5 1 2 二維卷積
5 1 3 卷積的變種
5 2 卷積經網絡結構
5 2 1 輸入層
5 2 2 卷積層
5 2 3 池化層
5 3 參數學習
5 4 幾種典型的卷積經網絡
5 4 1 LeNet-5
5 4 2 AlexNet
5 4 3 VGG網絡
5 4 4 ResNet
5 4 5 Inception網絡
5 5 應用實例：基於卷積經網絡的人臉識別
5 5 1 人臉數據採集
5 5 2 圖像預處理
5 5 3 載入圖像
5 5 4 模型搭建
5 5 5 識別與驗證
第6章 循環經網絡
6 1 循環經網絡概念
6 2 循環經網絡結構
6 3 長距離依賴與參數學習
6 3 1 長距離依賴
6 3 2 參數學習
6 4 基於門控的循環經網絡
6 4 1 LSTM網絡
6 4 2 LSTM網絡的變體
6 4 3 GRU網絡
6 5 深度循環經網絡
6 6 應用實例：基於循環經網絡的語言模型
6 6 1 定義模型
6 6 2 訓練模型
第7章 圖經網絡
7 1 圖的定義與術語
7 2 圖經網絡結構
7 3 圖經網絡常用模型
7 3 1 GCN模型
7 3 2 GGNN模型
7 3 3 GAT模型
7 4 圖經網絡應用實例
7 4 1 數據集及預處理
7 4 2 圖卷積層定義
7 4 3 模型定義
7 4 4 模型訓練
第8章 機器學習模型的應用
8 1 Transformer應用
8 1 1 自注意力機制
8 1 2 位置編碼模塊
8 1 3 模型框架
8 1 4 模型代碼
8 2 REPVGG應用
8 2 1 模型框架
8 2 2 結構重參化
8 2 3 模型代碼
8 3 基於前饋經網絡的方面級情感三元組提取
8 3 1 模型框架
8 3 2 模型訓練
8 3 3 數據集
8 3 4 結果測試
8 4 國內機器學習開源平台
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。