機器學習之數學基礎-概率統計與演算法應用 朱寧 9787522622446 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：中國水利水電
物品所在地：中國大陸
原出版社：中國水利水電
NT$444
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202406*若逾兩年請先於私訊洽詢存貨情況，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：機器學習之數學基礎-概率統計與演算法應用 ISBN：9787522622446 出版社：中國水利水電 著編譯者：朱寧 頁數：246 所在地：中國大陸 *此為代購商品 書號：1642224 可大量預訂，請先連絡。 內容簡介 本書先從概率論的基礎講起，然後逐步深入到概率論在機器學習中的應用，最後結合機器學習實戰案例，重點介紹了概率論的概念及其在機器學習中的應用。通過本書讀者不但可以系統地學習常見概率的相關知識，還能對機器學習開發有更深入的理解。 本書共10章，涵蓋的主要內容：機器學習概述；為什麼機器學習需要概率論；概率的定義；集合和事件；獨立性；概率的性質；常見的計算概率方法；離散型和連續型概率分佈；離散型和連續型概率分佈的期望值、方差與標準差；幾種常見的離散型和連續型概率分佈；條件概率；聯合概率；邊緣概率；貝葉斯理論；隨機過程簡介；馬爾可夫鏈；隱馬爾可夫模型；高斯過程；常見的機器學習Python庫；機器學習分類演算法和回歸演算法簡介；概率論在分類演算法和回歸演算法中的應用；常見的分類演算法和回歸演算法；強化學習簡介；有趣的機器人遊戲；GAN；圖片風格轉換 本書內容通俗易懂，案例豐富，實用性強，不僅適合概率論的入門讀者和進階讀者閱讀，也適合機器學習從業者、人工智慧演算法專家等其他人工智慧愛好者閱讀。另外，本書也可以作為相關培訓機構的教材。作者簡介 朱寧，擁有豐富的AI研究背景及實戰經驗，曾在華為任職AI演算法工程師，並在微軟擔任資深科學家，精通機器學習、深度學習及數據分析的理論與實踐。關注自然語言處理領域的前沿研究，尤其關注ChatGPT技術的發展，成功將其應用於職場，不斷提升工作效率和晉陞力。在人工智慧與職場技能交叉的領域，為AI項目創造了顯著的成果，全面展現了職場中AI的可能性和潛力。目錄 第1章 機器學習概述1 1 機器學習簡介 1 1 1 監督學習 1 1 2 無監督學習 1 1 3 強化學習 1 2 機器學習和人工智慧的發展史 1 2 1 邏輯推理時代 1 2 2 專家系統時代 1 2 3 機器學習和深度學習時代 1 3 深度學習 1 4 機器學習基礎——概率論 1 5 常用的機器學習Python庫 1 5 1 NumPy 代碼1 1 比較NumPy和原生態Python：Compare_Numpy_and_Pure_Python py 1 5 2 pandas 代碼1 2 pandas示例代碼：Demo_for_Pandas py 1 5 3 matplotlib 代碼1 3 matplotlib示例代碼：Demo_for_Matplotlib py 1 5 4 PyTorch 代碼1 4 PyTorch示例代碼：Demo_for_Pytorch py 1 5 5 TensorFlow 代碼1 5 TensorFlow示例代碼：Fit Data_with_Tensorflow py 1 5 6 SKlearn 代碼1 6 SKlearn示例代碼：Demo_for_SKLearn py 1 5 7 Keras 代碼1 7 Keras示例代碼：Demo for Keras py 1 5 8 習題 1 6 溫故而知新 第2章 概率的基本概念 2 1 概率的定義 2 2 集合和事件 2 2 1 集合和子集 2 2 2 集合的相互作用 2 2 3 集合的運算 2 2 4 事件 2 2 5 習題 2 3 獨立性 2 3 1 獨立性的定義 2 3 2 獨立性的性質 2 3 3 多個事件的獨立性 代碼2 1 撲克牌抽牌獨立性：Poker Indepent py 2 3 4 習題 2 4 概率的取值範圍和運算 2 4 1 概率的取值範圍 2 4 2 概率的運算 2 4 3 習題 2 5 常見的計算概率的方法 2 5 1 窮舉法 2 5 2 頻率替代法 2 5 3 幾何法 代碼2 2 模擬射靶概率：Simulation Shoot Probability py 2 5 4 習題 2 6 溫故而知新 第3章 離散型概率分佈 3 1 離散型概率分佈簡介 3 1 1 離散型概率分佈的定義 3 1 2 離散型概率分佈的性質 3 1 3 離散型概率分佈的概率質量函數 3 1 4 離散型概率分佈的累積分佈函數 3 1 5 習題 3 2 離散型概率分佈的期望值 3 2 1 離散型概率分佈的期望值定義 第4章 連續型概率分佈 第5章 貝葉斯理論 第6章 隨機過程 第7章 概率論與機器學習分類演算法 第8章 概率論與機器學習回歸演算法 第9章 實戰：強化學習 第10章 實戰：GAN 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
