圖說圖解機器學習 (第2版) 耿煜 弭如坤 李欽等 9787121490828 【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：圖說圖解機器學習 (第2版)
ISBN：9787121490828
出版社：電子工業
著編譯者：耿煜 弭如坤 李欽等
頁數：xxx
所在地：中國大陸 *此為代購商品
書號：1700266
可大量預訂，請先連絡。

內容簡介
本書堅持立德樹人的根本任務，與行業企業共同開發，踐行”做中學，學中做”的教學理念。全書以”圖說圖解，自上而下，夠用止，實戰掌握，思政浸潤”為指導思想，採用圖形化軟件 KNIME 通過拖、拉、拽等直觀作，完成從簡單到複雜的機器學習項目。本書內容分為三大分：人工智能入門、機器學習和深度學習。本書適合作為人工智能入門者、技術應用者，以及高職高理工科學生和本科非理工科業學生的學習教材。

目錄

第1章 人工智能及機器學習概述
1 1 人工智能概述
1 1 1 人工智能簡史
1 1 2 人工智能是什麼
1 1 3 人工智能的任務
1 2 機器學習概述
1 2 1 機器學習是什麼
1 2 2 機器學習的任務
1 2 3 學習任務
1 2 4 機器學習要解決的基本問題
1 2 5 機器學習如何化模型
1 2 6 機器學習工作流程
1 2 7 需要的知識
1 3 深度學習概述
1 4 機器學習與統計學
1 5 課後練習
第2章 機器學習基礎知識
2 1 數學基礎
2 1 1 數據的分類
2 1 2 基本統計學術語
2 1 3 回歸
2 1 4 小二乘法
2 1 5 判斷擬合好壞
2 1 6 小結
2 2 讀圖
2 2 1 數值數據的分佈
2 2 2 分類數據的分佈
2 3 KNIME
2 3 1 KNIME 簡介
2 3 2 下載和安裝
2 3 3 KNIME基本使用
2 3 4 小結
2 4 課後練習
第3章 線性回歸
3 1 簡單線性回歸
3 1 1 場景說明
3 1 2 KNIME 建立工作流
3 1 3 數據獲取
3 1 4 觀察數據
3 1 5 數據集劃分
3 1 6 模型訓練
3 1 7 模型測試
3 1 8 損失函數
3 2 多元線性回歸初步
3 2 1 任務及數據說明
3 2 2 建立基準工作流
3 2 3 讀取並觀察數據
3 2 4 整合界面
3 3 多元線性回歸進
3 3 1 化模型
3 3 2 “Forward Feature Selection” Metanode詳細介紹
3 3 3 模型解釋
3 3 4 征歸一化
3 3 5 使用 KNIME實現歸一化
3 3 6 相關係數
3 4 課後練習
第4章 邏輯回歸
4 1 邏輯回歸基本概念
4 1 1 分類問題
4 1 2 從線性回歸到邏輯回歸
4 1 3 判定邊界
4 1 4 KNIME工作流
4 1 5 讀取數據
4 1 6 數據處理
4 1 7 模型訓練及測試
4 1 8 模型評
4 2 邏輯回歸實戰
4 2 1 泰坦尼克號生存問題背景介紹
4 2 2 讀取數據
4 2 3 數據預處理
4 2 4 數據可視化及刪除無關列
4 2 5 模型訓練和測試
4 2 6 模型評
4 2 7 模型解釋
4 3 課後練習
第5章 模型化
5 1 梯度下降
5 1 1 損失函數
5 1 2 使用 KNIME 化模型
5 2 正則化
5 2 1 性和健壯性
5 2 2 複雜的模型
5 2 3 欠擬合和過擬合
5 2 4 正則化止過擬合
5 2 5 使用 KNIME 設置正則化
5 3 模型評
5 3 1 混淆矩陣
5 3 2 F1分數
5 3 3 ROC曲線和 AUC
5 4 課後練習
第6章 支持向量機
6 1 支持向量機基本概念
6 1 1 支持向量機是什麼
6 1 2 支持向量是什麼
6 1 3 邏輯回歸與支持向量機的比較
6 1 4 核
6 1 5 線性核模型調參
6 1 6 非線性核模型調參
6 1 7 C 與 γ
6 2 SVM初戰
6 2 1 問題說明
6 2 2 建立工作流
6 2 3 數據觀察
6 2 4 模型訓練與測試
6 2 5 觀察結果
6 3 支持向量機解決泰坦尼克號問題
6 3 1 歸一化
6 3 2 核函數
6 3 3 建立工作流
6 3 4 模型調參
6 4 課後練習
第7章 樹類算法
7 1 決策樹簡介
7 1 1 決策樹的點
7 1 2 止過擬合
7 1 3 問題解析
7 1 4 奧卡姆剃刀
7 1 5 提前結束
7 1 6 集成學習
7 2 使用決策樹解決泰坦尼克號生存問題
7 3 決策樹高級應用實戰 — 征工程
7 3 1 探索性數據分析
7 3 2 征工程
7 3 3 異常數據處理
7 4 決策樹高級應用實戰 — 模型建立與比較
7 4 1 決策樹
7 4 2 袋裝
7 4 3 隨機森林
7 4 4 提升
7 5 課後練習
第8章 深入理解決策樹
8 1 決策樹進
8 1 1 如何構建決策樹
8 1 2 ID3 算法決定什麼是好的
8 1 3 CART 算法決定什麼好
8 1 4 KNIME 設置
8 2 數據不平衡問題化
8 2 1 對多數數據降採樣
8 2 2 對少數數據過採樣
8 2 3 SMOTE 算法
8 3 課後練習
第9章 貝葉斯分析
9 1 貝葉斯定理
9 1 1 基本術語
9 1 2 條件概率
9 1 3 全概率公式
9 1 4 貝葉斯定理
9 1 5 試水情感分析
9 2 貝葉斯算法解決銀行客戶分類問題
9 2 1 工作流
9 2 2 貝葉斯算法的學習器節 點
9 3 情感分析案例
9 3 1 安裝件
9 3 2 建立工作流
9 4 課後練習
第10章 計算機視覺與自然語言處理
10 1 深度學習簡介
10 1 1 深度學習的關鍵
10 1 2 我們的目標
10 1 3 深度學習原理概述
10 2 計算機視覺的卷積經網絡
10 2 1 LeNet-5
10 2 2 AlexNet
10 2 3 VggNet
10 2 4 GoogLeNet
10 2 5 ResNet
10 3 KNIME 實現卷積經網絡
10 3 1 環境構建
10 3 2 安裝所需的工具
10 3 3 步驟分析
10 4 自然語言處理
10 4 1 自然語言怎麼數字化
10 4 2 知識準備：征提取
10 5 KNIME實現自然語言處理
10 5 1 初步體驗
10 5 2 步驟分析
10 6 大語言模型
10 6 1 KNIME AI助手
10 6 2 KNIME AI 件
10 7 課後練習
參考文獻

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。