|
|
|
世界第一簡單機器學習
| 作者: |
荒木雅弘
|
| 譯者: |
衛宮紘 |
| 書城編號: |
1529876 |
原價:
HK$107.00 
現售:
HK$101.65
節省:
HK$5.35 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: |
世茂
|
| 出版日期: |
2019/04 |
| 頁數: |
224 |
| 尺寸: |
14.8x21x1.29 |
| ISBN: |
9789578799707 |
|
|
商品簡介 |
商品簡介
適合研究者、工程師，
資訊、金融、教育、醫療業未來發展必需的參考指標，
在人工智慧研發、醫學診斷和機器人區域大展身手的第一本書！
涉及大量統計學理論，
讓人工智慧「自動學習」的演算法，
就是應用於電腦視覺、資料探勘、證券試場分析的機器學習。
搜尋引擎、語音及手寫辨識、戰略遊戲也能看到它的蹤跡。
透過預測、判斷、評估、排序，提高準確率！
打好機器學習基礎，工作從此事半功倍！
日本讀者好評推薦
真的很好懂。雖然需要有線性代數和偏微分的底子，但不需要實際計算，只要看懂基本概念就行了。書中有豐富的圖片和親切的說明，讓讀者容易吸收，非常推薦！──Masaru Kamata
是一本適合初學者的書。就連沒有機械學習知識的我也能理解整體概念。書末附上的索引在深入查詢時非常好用。漫畫部分鮮活的角色和情節也將內容的難度降低了。推薦給想了解機械學習的人。──JyunJyun
巧妙地將漫畫和工作書結合，讓人一讀就停不下來了。最大的優點是有附數學解說，也有舉出現實中的應用範例，讓讀者了解能應用的場合和方式。Q&A的部分能激發思考，加深理解。我會推薦這本書給學生看。──???????
作者簡介
荒木 雅弘
1998年取得（工學）博士學位（京都大學）。
1999年曾任京都工藝纖維大學工藝學系助理教授。
2007年起任職京都工藝纖維大學工藝科學研究科副教授。
〈著作〉
《語音對話系統》（合著，歐姆社）
《用免費軟體建構語音辨識系統 從模式辨識、基本機器學習到對話系統》（森北出版）
《用免費軟體學習語意網與相關互動》（森北出版）
《用免費軟體開始機器學習入門》（森北出版）
《圖解語音辨識》（講談社）
譯者簡介
衛宮紘
清華大學原子科學院學士班畢。現為自由譯者。譯作有《上司完全使用手冊》（東販）、《超慢跑入門》（商周）、《男人懂了這些更成功》（潮客風）、《世界第一簡單電力系統》（世茂）……等。賜教信箱：emiyahiro@hotmail.com.tw
相關作者簡介
審訂者簡介
張智星
現職：台灣大學資訊系教授、台大醫院資訊室主任、台大金融科技研究中心主任
學歷：美國加州大學柏克萊分校 電機電腦系 博士
經歷：工研院資通所顧問
授課科目：資料結構與演算法、科學計算、金融科技導論、音樂訊號分析與檢索、人工智慧及深度機器學習之生醫藥產業應用
研究領域：語音辨識與評分、音樂分析與檢索、精準尋與行銷、醫療大數據分析
書籍目錄
序
序章 請教我機器學習！
紗耶香的房間 紗耶香與女高中生小愛
第1章 怎麼做迴歸？
1.1 預測數據的困難
1.2 從解釋變數求目標變數
1.3 求線性迴歸函數
1.4 正規化的效果
紗耶香的房間 數學的複習
第2章 怎麼進行識別？
2.1 整理資料
2.2 由資料預測類別
2.3 邏輯識別
2.4 決策樹的識別
紗耶香的房間 數學的複習
第3章 評估結果
3.1 要用測試資料評估才有意義
3.2 訓練資料、檢驗資料、評估資料
3.3 交叉驗證法
3.4 準確率、精確率、召回率、F值
紗耶香的房間 數學的複習
第4章 深度學習
4.1 神經網路
4.2 反向傳播法訓練
4.3 挑戰深度學習
4.3.1 深度神經網路的問題點
4.3.2 多層訓練上的技巧 事前訓練法
4.3.3 多層訓練上的技巧 激活函數
4.3.4 多層訓練上的技巧 規避過度學習
4.3.5 結構特化的神經網路
紗耶香的房間 數學的複習
第5章 整體學習
5.1 裝袋法
5.2 隨機森林
5.3 提升法
紗耶香的房間 數學的複習
第6章 非監督式學習
6.1 集群分析
6.1.1 階層式集群分析
6.1.2 分割式集群分析
6.2 矩陣分解
紗耶香的房間 數學的複習
結尾
索引
推薦序/導讀/自序
序
本書會舉出幾項機器學習中較具代表性的手法，並盡可能簡單解說其概要，預設的讀者為具備大一程度數學知識的機器學習初學者。如果自身對數學式不太熟悉的話，可翻閱各章後面的數學相關說明，大致掌握這些數學式的用處即可。
本書在內容的安排上，一開始會先設定問題，接著舉出解決該問題的方式，再對各機器學習手法進一步說明。各章設定的問題與解決手法如下：
章節 問題 手法
1 預測活動參加人數 線性迴歸
2 判斷糖尿病高危險群 邏輯識別、決策樹
3 評估訓練成果 分割學習法、交叉驗證法
4 排行葡萄的等級 卷積神經網路
5 判斷糖尿病高危險群（再挑戰） 整體學習
6 推薦相關活動 集群分析、矩陣分解
各章所介紹的手法僅為粗淺內容，想要實際運用這些手法，建議先深入理解相關的專業參考書後，再來嘗試挑戰。
最後，我想感謝給予這次執筆機會的歐姆社股份有限公司，也要向渡真加奈老師與Verte股份有限公司的同仁表達最深的謝意，感謝您們將我的拙劣原稿改編成如此生動活潑的漫畫故事。
|
|
|
|
|
|
