練好機器學習的基本功｜用Python進行基礎數學理論的實作

作者:	立石賢吾(TATEISHI KENGO)
譯者:	楊季方
書城編號:	1428842

原價: HK$150.00

現售: HK$142.5 節省: HK$7.5

購買此書 10本或以上 9折, 60本或以上 8折

購買後立即進貨, 約需 7-12 天




出版社:	碁峰資訊
出版日期:	2018/09
頁數:	256
尺寸:	17x23
ISBN:	9789864768981

商品簡介

這是一本為了需要學習機器學習，同時又想要搞懂其基本理論的讀者所撰寫的書。透過本書的登場人物：程式設計師綾乃與朋友美緒的對話，便可以與書中的兩位的角色一起成長。書中雖然有許多的數學公式，但只要跟著書中人物一起學，便能自然而然地搞懂，從而奠定更加堅實的機器學習基礎。

藉由本書，您可以了解：
．迴歸、分類、分群演算法
．使用迴歸進行預測的方法
．應用分類找出最適切結果的方法
．如何評估模型的正確程度
．如何使用Python來計算數學公式

序
「機器學習」是近期當紅的技術名詞，對於機器學習到底是什麼，機器學習又能做些什麼，感到好奇的人相當多，各式各樣的衍生資源蓬勃發展，在網路上可以找到許多專為機器學習而設計與開發的函式庫，可供我們免費取用學習。即便是不清楚其理論，只要懂得使用函式庫與資料集，撰寫數行的程式碼便可應用機器學習的技術。導入的門檻確實是降低了，在實際動手撰寫程式的同時，確實也能掌握機器學習的概念。不過，話雖如此，使用不明就理的黑盒子多少會感到不安。雖然藉由函式庫的幫助，即使不清楚理論也可以使用機器學習。但是，對於工程師來說，使用不清楚其內容的東西，必定會伴隨一定程度的不安，以這樣的方式來使用這項技術，或多或少會有不踏實的感覺。

本書是為了想要掌握機器學習理論基礎的人所寫的。透過本書的登場人物：程式設計師綾乃與朋友美緒的對話，在逐步理解機器學習的理論的同時一起學習。許多為了初學者而寫的入門書極力避免讓數學表示式出現，而本書則是經常會出現數學表示式，其中也許會有看起來稍微困難的表示式，不過，從綾乃與美緒的討論中，我們可以自然而然地理解數學表示式的意義，為方便已經忘記高中數學的人進行複習，在附錄也會解說數學的基礎知識，請各位不用慌張，安心地閱讀下去。

只要充分理解本書傳授的基礎知識，便可在各種場面上加以應用，有助於您加深對於函式庫內容的理解、或者自行撰寫機器學習演算法、閱讀最新的論文，進行各種運用。就讓我們跟綾乃與美緒一同踏上機器學習的學習旅途吧！

目錄
Chapter1　旅程的開始
本章針對機器學習為什麼會演變成眾所矚目的焦點，以及運用機器學習可以辦到些什麼等概要進行說明，同時對迴歸、分類、分群等演算法做簡單的解說。

Chapter2　瞭解迴歸～根據廣告費預測點擊數
本章以「由花費在廣告上的費用，來預測點擊數」為主題，對迴歸進行學習。首先會以簡單的範例來思索進行預測需要導出什麼樣的式子，並探討如何將其逼近結果的方法。

Chapter3　瞭解分類〜依照圖像大小進行分類
本章以「由圖像的尺寸，來分類縱長形與橫長形」為主題，對分類進行學習。
與Chapter2相同，首先會思索為了進行分類會需要導出什麼樣的式子，並探討如何將其逼近最適切結果的方法。

Chapter4　瞭解評估〜確認模型的正確性
本章將對第2章與第3章建構模型的正確程度，也就是精度進行確認。將會介紹模型的評估方式，以及有哪些指標可用做評估。

Chapter5　動手寫程式〜以Python來進行程式設計
本章根據第2~4章所學到的內容，以Python來撰寫程式。我們將可以了解到，如何將以數學表示式所構想出來的內容，以程式來進行處理。

Appendix
附錄收錄了從前面五章未提及的數學解說供各位參考。
總和的記號、乘積的記號╱微分╱偏微分╱合成函數╱向量與矩陣╱幾何向量╱指數、對數╱Python環境建構╱Python的基本╱NumPy的基本

立石賢吾(TATEISHI KENGO)

立石賢吾（TATEISHI KENGO）
LINE Fukuoka株式會社資料工程師。
佐賀大學畢業後就職於佐賀縣內的系統開發公司，其後歷經福岡的開發公司，於2014年就職於LINE Fukuoka株式會社，負責資料分析及機器學習的相關工作。

* 以上資料僅供參考之用, 香港書城並不保證以上資料的準確性及完整性。
* 如送貨地址在香港以外, 當書籍/產品入口時, 顧客須自行繳付入口關稅和其他入口銷售稅項。

顯示模式: 電腦版 (改為: 手機版)