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