以下書況,主觀上皆可閱讀,若收到後不滿意,『都可退書退款』。
書況補充說明: 此書有自然泛黃及使用痕跡,不影響閱讀,不介意才請下標,謝謝!!
【購買須知】
(1)照片皆為現貨實際拍攝,請參書況說明。
(2)『賣場標題、內容簡介』為出版社原本資料,若有疑問請留言,但人力有限,恕不提供大量詢問。
(3)『附件或贈品』,不論標題或內容簡介是否有標示,請都以『沒有附件,沒有贈品』為參考。
(4)訂單完成即『無法加購、修改、合併』,請確認品項、優惠後,再下訂結帳。如有疑問請留言告知。
(5)二手書皆為獨立商品,下訂即刪除該品項,故『取消』後無法重新訂購,須等系統安排『2個月後』重新上架。
(6)收到書籍後,若不滿意,或有缺漏,『都可退書退款』。
[商品主貨號] U100920865
[ISBN-13碼] 9789864766741
[ISBN] 9864766740
[作者] Giuseppe Bonaccorso, 賴屹民
[出版社] 碁峰
[出版日期] 2017-12
[內容簡介] (本項為出版商制式文字, 不論下文註明有無附件, 仍以本拍賣商品標題為準, 標題未註明有附件者一律均無)
熱門資料科學與機器學習演算法學習指南
本書介紹並說明資料科學領域常見且重要的機器學習演算法,這些演算法可用於監督式與非監督學習、強化學習與半監督式學習。書中所討論的演算法包括線性迴歸、logistic迴歸、SVM、樸素貝氏、k-means、隨機森林、TensorFlow與特徵工程。
你將會學到如何使用這些演算法來解決問題,以及它們的工作原理。同時也會介紹自然語言處理與推薦系統,以協助同時執行多種演算法。
最後將會知道如何挑選正確的機器學習演算法,來為你的問題進行分群、分類或迴歸。
你將學會:
• 熟悉機器學習的重要元素
• 瞭解特徵選擇與特徵工程流程
• 平衡線性迴歸的效能與誤差
• 建立資料模型,與使用各種類型的演算法來瞭解它的工作方式
• 微調SVM的參數
• 實作資料集的群聚
• 探索自然語言處理與推薦系統的概念
• 從零開始建立機器學習架構)
[書況補充說明] 此書有自然泛黃及使用痕跡,不影響閱讀,不介意才請下標,謝謝!!
-----------------------------------------------------------
分享閱讀 書籍狀況請詳看圖示