│ 3ds Max│ Maya│ Rhino│ After Effects│ SketchUp│ ZBrush│ Painter│ Unity│
│ PhotoShop│ AutoCad│ MasterCam│ SolidWorks│ Creo│ UG│ Revit│ Nuke│
│ C#│ C│ C++│ Java│ 遊戲程式│ Linux│ 嵌入式│ PLC│ FPGA│ Matlab│
│ 駭客│ 資料庫│ 搜索引擎│ 影像處理│ Fluent│ VR+AR│ ANSYS│ 深度學習│
│ 單晶片│ AVR│ OpenGL│ Arduino│ Raspberry Pi│ 電路設計│ Cadence│ Protel│
│ Hadoop│ Python│ Stm32│ Cortex│ Labview│ 手機程式│ Android│ iPhone│
可查書名,作者,ISBN,3dwoo書號 目前顯示有庫存 顯示全部書籍 詳細書籍分類

Python機器學習 ( 繁體 字)
作者：Sebastian Raschka	類別：1. -> 程式設計 -> Python
譯者：
出版社：博碩文化	3dWoo書號： 45227 詢問書籍請說出此書號！ 【缺書】 【不接受訂購】
出版日：9/16/2016
頁數：432
光碟數：0
站長推薦：
印刷：黑白印刷	語系： ( 繁體 版 )
	【不接受訂購】
ISBN：9789864341405
作者序　|　譯者序　|　前言　|　內容簡介　|　目錄　|　序
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序：
譯者序：
前言：
內容簡介： Python Machine Learning「機器學習」（machine learning）已是一門改變資料分析方式的重要學科，而本書將引領你進入預測性分析的世界，透過在科學領域已應用得相當廣泛的 Python 程式語言進行實作。藉由本書，可以幫助你對資料分析的方式做出最佳決策，或是用於提昇機器學習系統的效能。內容包含 scikit-learn、Theano 及 Keras 等一系列強大的 Python 函式庫，並為情緒分析、類神經網路等議題提供指引與訣竅。綜合本書所學知識後，便能夠為你的組織或研究提供最佳解答。你能夠從本書學習到探索各種不同的機器學習模型，為你的需求提供多種解決方案。利用 Theano 與 Keras 建構類神經網路運算。撰寫清晰、優雅的 Python 程式碼，使演算法效益最大化。將機器學習模型嵌入於 Web 應用程式之中。透過迴歸分析來預測連續性目標的結果。藉由集群分析發掘隱藏的資料模式與結構。利用高效率的預處理技術來組織資料，並應用最佳實踐來評估機器學習模型。深入探索文字資料及社群媒體資料以實現情緒分析。適用讀者期望運用 Python 程式語言，從大量資料中取得重要資訊之人士。無論是初次踏入資料科學的領域，還是已具備相關經驗，本書都可作為實用的重點參考資源。
目錄： 01 賦予電腦從數據中學習的能力 02 訓練機器學習的分類演算法 03 使用 scikit-learn 巡覽機器學習分類器 04 建構良好的訓練數據集——數據預處理 05 降維來壓縮數據 06 學習模型評估和超參數調校的最佳實作 07 結合不同模型來做整體學習 08 將機器學習應用於情緒分析 09 在 Web 應用程式上嵌入機器學習模型 10 以迴歸分析預測連續目標變量 11 使用未標記的數據——集群分析 12 訓練類神經網路來做圖形識別 13 以 Theano 平行化地訓練類神經網路
序：