【KAA】Python機器學習_Sebastian Raschka, 劉立民, 吳建華

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: D多處摺頁標籤、水痕、字跡、破損、髒污、泛黃書斑、書章。

【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] U102084790

[ISBN-13碼] 9789864341405

[ISBN] 9864341405

[作者] Sebastian Raschka, 劉立民, 吳建華

[出版社] 博碩

[出版日期] 2016/09/15

[內容簡介] (出版商制式文字, 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。)

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。

)

-----------------------------------------------------------

分享閱讀 書籍狀態請詳看圖示

■客服電話服務時間: