Readmoo 讀墨電子書
華文小說投票 每日優惠 版權到期
最新機器學習的教科書
0 則劃線
0 篇書評

最新機器學習的教科書

分類導覽 > 電腦科技 > 程式設計
  • 出版日期： 2021/10/01
  • 語言：繁體中文
  • 檔案大小：55.2MB
  • 商品格式：固定版面 EPUB
  • ISBN: 9789860776447
  • ISBN: 9789860776393
  • 頁數： 390
紙本書定價：NT$ 780
電子書售價：NT$ 624
本書為固定版面 EPUB，建議您使用 mooInk Pro 系列、平板及電腦閱讀。

輕鬆簡單的好書，讓你從入門到高手，掌握機器學習及神經網路的數學、理論與實作！
本書特色
機器學習唯一的入門書，從完全不懂到開發專案靠這本書就搞定
充分展現出日本書的細膩流暢又簡單清楚
想了解機器學習又怕被數學公式轟炸的AI小白最適合
作者把所有的數學公式都用最簡單的二維平面來處理，是對人腦最直覺的投射
懶人最愛的程式設計環境，Jupyter Notebook，在瀏覽器中就可以執行神經網路
高中文組數學程度就可以100%看得懂的Python程式
雖然簡單但十分詳細的公式推導 L1、L2回歸你我都會用，但這本書卻有完整的來龍去脈，打下神經網路及深度學習的基礎
無監督學習也有詳細說明，K-means和混合高斯模型
使用Tensorflow，每一行程式碼都看得懂，完全沒有不必要細節或玩弄技巧

喜歡這本的人，也看了...

  • 李馨
    博碩文化
    電子書： NT$ 720

    打好Python基礎，就趁現在！ ▶認識 Python 這個簡潔的程式語言，理論與實作並行 ▶每個章節有豐富的範例，配合 Python Shell 的互動交談，更能得心應手 ▶手把...

    試讀
  • 張逸中 李美億
    博碩文化
    出版日期：2020-11-06
    電子書： NT$ 380

    用C#輕鬆寫出影像辨識程式 精選影像辨識程式範例，讓你快速具備實務工作的能力！

    試讀
  • 洪錦魁
    深智數位股份有限公司
    出版日期：2022-07-01
    電子書： NT$ 544

    Python 操作 Excel ～最強入門邁向辦公室自動化之路～ 王者歸來 ★ 最短時間精通 Python + openpyxl + Pandas 操作 Excel ★ 全彩圖解 + 23 個主題 + 339 ...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 704

    【本書內容】 ★☆★☆★【技術最強、功能最廣】★☆★☆★ ★☆★☆★【AI助力效率飛躍】★☆★☆★ ★☆★☆★【多執行緒設計效能提升】★☆★☆★

    試讀
  • 陳會安
    博碩文化
    出版日期：2024-09-25
    電子書： NT$ 720

    ☆★☆ ChatGPT / Copilot超強助力 ☆★☆ 「圖解」≠「簡單」，物聯網初學者真正零基礎學習的入門書籍 使用ESP8266開發板，輕鬆實作MicroPython，快速進入STEAM...

    試讀
  • 袁葆宏 袁儀齡
    博碩文化
    電子書： NT$ 680

    Everything is an Object！ 真正從零開始，為你打下扎實的基礎能力！ 本書將Python配合程式設計做一系統性說明，因此將內容分為了4個章節，分別是：程式...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 552

    【免費】 × 【強大】 × 【即學即用】 【17套免費AI工具】 x 【21個主題的全方位應用指南】 這不是一本教你「什麼是 AI」的書，而是一本帶你「怎麼用 AI ...

    試讀
  • 洪錦魁（著）
    深智數位股份有限公司
    電子書： NT$ 520

    AI Prompt for Excel 用AI提示詞翻轉Excel生產力 【讓AI成為你的Excel智慧助理，創造無限可能！】 【立即入手，跟上數位辦公革命第一線！】

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 576

    寫程式不是比誰先跑起來，而是能否長期維護。當需求一改就骨牌倒、長函式與巢狀條件像毛線球、沒有測試誰也不敢動，這些都是「技術債」。本書以實務為軸，從C...

    試讀
  • 胡嘉璽
    深智數位股份有限公司
    電子書： NT$ 704

    ＼\國內第一本！OpenClaw實戰專書 /／ AI 助理不只住在手機裡。OpenClaw 是第一個真正能「坐在你電腦前幫你做事」的開源 Computer Agent，從開啟軟體、填...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 544

    　　這是一本完全入門，充滿創意與描述Python未來潛在應用的書籍，也是國內第一本： 　　☆ 「與 AI 對話」單元：引導讀者用ChatGPT對Python語法進行深度理解...

    試讀

    • 詳細資訊

    輕鬆簡單的好書，讓你從入門到高手，掌握機器學習及神經網路的數學、理論與實作！
    本書特色
    機器學習唯一的入門書，從完全不懂到開發專案靠這本書就搞定
    充分展現出日本書的細膩流暢又簡單清楚
    想了解機器學習又怕被數學公式轟炸的AI小白最適合
    作者把所有的數學公式都用最簡單的二維平面來處理，是對人腦最直覺的投射
    懶人最愛的程式設計環境，Jupyter Notebook，在瀏覽器中就可以執行神經網路
    高中文組數學程度就可以100%看得懂的Python程式
    雖然簡單但十分詳細的公式推導 L1、L2回歸你我都會用，但這本書卻有完整的來龍去脈，打下神經網路及深度學習的基礎
    無監督學習也有詳細說明，K-means和混合高斯模型
    使用Tensorflow，每一行程式碼都看得懂，完全沒有不必要細節或玩弄技巧

    目錄列表

  • 最新機器學習的教科書
    1. 目錄
      1. 第1章│學習前的準備
        1. 1.1 關於機器學習
          1. 1.1.1 學習機器學習的竅門
          2. 1.1.2 機器學習中問題的分類
          3. 1.1.3 本書的結構
        2. 1.2 安裝Python
        3. 1.3 Jupyter Notebook
          1. 1.3.1 Jupyter Notebook的用法
          2. 1.3.2 輸入Markdown格式文字
          3. 1.3.3 更改檔案名稱
        4. 1.4 安裝Keras和TensorFlow
      2. 第2章│Python基礎知識
        1. 2.1 四則運算
          1. 2.1.1 四則運算的用法
          2. 2.1.2 冪運算
        2. 2.2 變數
          1. 2.2.1 利用變數進行計算
          2. 2.2.2 變數的命名
        3. 2.3 類型
          1. 2.3.1 類型的種類
          2. 2.3.2 檢查類型
          3. 2.3.3 字串
        4. 2.4 print敘述
          1. 2.4.1 print敘述的用法
          2. 2.4.2 同時顯示數值和字串的方法1
          3. 2.4.3 同時顯示數值和字串的方法2
        5. 2.5 list（陣列變數）
          1. 2.5.1 list的用法
          2. 2.5.2 二維陣列
          3. 2.5.3 創建連續的整數陣列
        6. 2.6 tuple（陣列）
          1. 2.6.1 tuple 的用法
          2. 2.6.2 讀取元素
          3. 2.6.3 長度為1的tuple
        7. 2.7 if敘述
          1. 2.7.1 if敘述的用法
          2. 2.7.2 比較運算子
        8. 2.8 for敘述
          1. 2.8.1 for敘述的用法
          2. 2.8.2 enumerate的用法
        9. 2.9 向量
          1. 2.9.1 NumPy的用法
          2. 2.9.2 定義向量
          3. 2.9.3 讀取元素
          4. 2.9.4 替換元素
          5. 2.9.5 創建連續整數的向量
          6. 2.9.6 ndarray的注意事項
        10. 2.10 矩陣
          1. 2.10.1 定義矩陣
          2. 2.10.2 矩陣的大小
          3. 2.10.3 讀取元素
          4. 2.10.4 替換元素
          5. 2.10.5 生成元素為0和1的ndarray
          6. 2.10.6 生成元素隨機的矩陣
          7. 2.10.7 改變矩陣的大小
        11. 2.11 矩陣的四則運算
          1. 2.11.1 矩陣的四則運算
          2. 2.11.2 純量×矩陣
          3. 2.11.3 算術函數
          4. 2.11.4 計算矩陣乘積
        12. 2.12 切片
        13. 2.13 替換滿足條件的資料
        14. 2.14 help
        15. 2.15 函數
          1. 2.15.1 函數的用法
          2. 2.15.2 參數與傳回值
        16. 2.16 保存檔案
          1. 2.16.1 保存一個ndarray類型變數
          2. 2.16.2 保存多個ndarray類型變數
      3. 第3章│資料視覺化
        1. 3.1 繪製二維圖形
          1. 3.1.1 繪製隨機圖形
          2. 3.1.2 程式清單的格式
          3. 3.1.3 繪製三次函數f(x) = (x-2)x(x+2)
          4. 3.1.4 確定繪製範圍
          5. 3.1.5 繪製圖形
          6. 3.1.6 裝飾圖形
          7. 3.1.7 並列顯示多張圖形
        2. 3.2 繪製三維圖形
          1. 3.2.1 包含兩個變數的函數
          2. 3.2.2 用顏色表示數值：pcolor
          3. 3.2.3 繪製三維圖形：surface
          4. 3.2.4 繪製等高線：contour
      4. 第4章│機器學習中的數學
        1. 4.1 向量
          1. 4.1.1 什麼是向量
          2. 4.1.2 用Python定義向量
          3. 4.1.3 列向量的表示方法
          4. 4.1.4 轉置的表示方法
          5. 4.1.5 加法和減法
          6. 4.1.6 純量積
          7. 4.1.7 內積
          8. 4.1.8 向量的模
        2. 4.2 求和符號
          1. 4.2.1 附有求和符號的數學式的變形
          2. 4.2.2 透過內積求和
        3. 4.3 累乘符號
        4. 4.4 導數
          1. 4.4.1 多項式的導數
          2. 4.4.2 帶導數符號的數學式的變形
          3. 4.4.3 複合函數的導數
          4. 4.4.4 複合函數的導數：連鎖律
        5. 4.5 偏導數
          1. 4.5.1 什麼是偏導數
          2. 4.5.2 偏導數的圖形
          3. 4.5.3 繪製梯度的圖形
          4. 4.5.4 多變數的複合函數的偏導數
          5. 4.5.5 交換求和與求導的順序
        6. 4.6 矩陣
          1. 4.6.1 什麼是矩陣
          2. 4.6.2 矩陣的加法和減法
          3. 4.6.3 純量積
          4. 4.6.4 矩陣的乘積
          5. 4.6.5 單位矩陣
          6. 4.6.6 反矩陣
          7. 4.6.7 轉置
          8. 4.6.8 矩陣和聯立方程式
          9. 4.6.9 矩陣和映射
        7. 4.7 指數函數和對數函數
          1. 4.7.1 指數
          2. 4.7.2 對數
          3. 4.7.3 指數函數的導數
          4. 4.7.4 對數函數的導數
          5. 4.7.5 Sigmoid函數
          6. 4.7.6 Softmax函數
          7. 4.7.7 Softmax函數和Sigmoid函數
          8. 4.7.8 高斯函數
          9. 4.7.9 二維高斯函數
      5. 第5章│監督學習：回歸
        1. 5.1 一維輸入的直線模型
          1. 5.1.1 直線模型
          2. 5.1.2 平方誤差函數
          3. 5.1.3 求參數（梯度法）
          4. 5.1.4 直線模型參數的解析解
        2. 5.2 二維輸入的平面模型
          1. 5.2.1 資料的表示方法
          2. 5.2.2 平面模型
          3. 5.2.3 平面模型參數的解析解
        3. 5.3 D維線性回歸模型
          1. 5.3.1 D維線性回歸模型
          2. 5.3.2 參數的解析解
          3. 5.3.3 擴充到不通過原點的平面
        4. 5.4 線性基底函數模型
        5. 5.5 過擬合問題
        6. 5.6 新模型的生成
        7. 5.7 模型的選擇
        8. 5.8 小結
      6. 第6章│監督學習：分類
        1. 6.1 一維輸入的二元分類
          1. 6.1.1 問題設定
          2. 6.1.2 使用機率表示類別分類
          3. 6.1.3 最大似然估計
          4. 6.1.4 邏輯回歸模型
          5. 6.1.5 交叉熵誤差
          6. 6.1.6 學習法則的推導
          7. 6.1.7 透過梯度法求解
        2. 6.2 二維輸入的二元分類
          1. 6.2.1 問題設定
          2. 6.2.2 邏輯回歸模型
        3. 6.3 二維輸入的三元分類
          1. 6.3.1 三元分類邏輯回歸模型
          2. 6.3.2 交叉熵誤差
          3. 6.3.3 透過梯度法求解
      7. 第7章│神經網路與深度學習
        1. 7.1 神經元模型
          1. 7.1.1 神經細胞
          2. 7.1.2 神經元模型
        2. 7.2 神經網路模型
          1. 7.2.1 二層前饋神經網路
          2. 7.2.2 二層前饋神經網路的實現
          3. 7.2.3 數值導數法
          4. 7.2.4 透過數值導數法應用梯度法
          5. 7.2.5 誤差反向傳播法
          6. 7.2.6 求∂E/∂vkj
          7. 7.2.7 求∂E/∂wji
          8. 7.2.8 誤差反向傳播法的實現
          9. 7.2.9 學習後的神經元的特性
        3. 7.3 使用Keras實現神經網路模型
          1. 7.3.1 二層前饋神經網路
          2. 7.3.2 Keras的使用流程
      8. 第8章│神經網路與深度學習的應用（手寫數字辨識）
        1. 8.1 MINST資料集
        2. 8.2 二層前饋神經網路模型
        3. 8.3 ReLU啟動函數
        4. 8.4 空間篩檢程式
        5. 8.5 卷積神經網路
        6. 8.6 池化
        7. 8.7 Dropout
        8. 8.8 融合了各種特性的MNIST辨識網路模型
      9. 第9章│無監督學習
        1. 9.1 二維輸入資料
        2. 9.2 K-means演算法
          1. 9.2.1 K-means演算法的概要
          2. 9.2.2 步驟0：準備變數與初始化
          3. 9.2.3 步驟1：更新R
          4. 9.2.4 步驟2：更新μ
          5. 9.2.5 失真度量
        3. 9.3 混合高斯模型
          1. 9.3.1 以機率為基礎的聚類
          2. 9.3.2 混合高斯模型
          3. 9.3.3 EM演算法的概要
          4. 9.3.4 步驟0：準備變數與初始化
          5. 9.3.5 步驟1（步驟E）：更新γ
          6. 9.3.6 步驟2（步驟M）：更新π、μ和Σ
          7. 9.3.7 似然
      10. 第10章│本書小結

    購買說明

    根據台灣現行法規，數位內容（ 如電子書、音樂、影片、遊戲、App ）形式之商品，不受「網購服務需提供七日鑑賞期」的限制。為維護您的權益，建議您先使用「試讀」功能後再付款購買。

    作者其他作品

    記憶的技術

    精準閱讀

    MORE
    出版社簡介
    深智數位股份有限公司
    出版社作品

    《生成式AI × 穩健提示辨識技術 II》視覺影像篇：MediaPipe × YOLO × OpenCV × LineBot

    Coding Agent 大神：Google Antigravity 最強實戰指南

    AI時代：Excel高效工作術

    更多出版社作品
    試讀