非監督式學習｜使用 Python (Hands-On Unsupervised Learning Using Python)
Ankur A. Patel 著 盧建成 譯
- 出版商: 歐萊禮 : 中文書展｜任選2書77折 滿999送企鵝帆布袋
- 出版日期: 2020-03-25
- 定價: $680
- 售價: 7.9 折 $537
- 語言: 繁體中文
- 頁數: 376
- 裝訂: 平裝
- ISBN: 9865024063
- ISBN-13: 9789865024062
-
相關分類:
Python、程式語言
- 此書翻譯自: Hands-On Unsupervised Learning Using Python (Paperback)
-
相關翻譯:
基於 Python 的無監督學習 (簡中版)
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
流暢的 Python｜清晰、簡潔、有效的程式設計 (Fluent Python)$980$774 -
R語言 -- 邁向 Big Data之路 (最新版)$580$522 -
為你自己學 Git$500$390 -
CODE COMPLETE：軟體開發實務指南, 2/e (中文版) (Code Complete: A Practical Handbook of Software Construction, 2/e)$1,280$998 -
用 Python 實作強化學習｜使用 TensorFlow 與 OpenAI Gym (Hands-On Reinforcement Learning with Python)$520$411 -
Python 機器學習錦囊妙計 (Machine Learning with Python Cookbook)$580$458 -
Data Science from Scratch｜用 Python 學資料科學, 2/e (中文版)(Data Science from Scratch: First Principles with Python, 2/e)$680$578 -
強者用 PyTorch：實作史上最經典 AI 範例$690$587 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$493 -
演算法：最強彩色圖鑑 + Python程式實作 -- 王者歸來 (全彩印刷)$680$537 -
特徵工程不再難：資料科學新手也能輕鬆搞定！ (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$406 -
資料視覺化｜製作充滿說服力的資訊圖表 (Fundamentals of Data Visualization)$780$616 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 2/e (Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2/e)$1,200$948 -
scikit-learn 新手的晉級：實作各種機器學習解決方案 (Mastering Machine Learning with scikit-learn, 2/e)$500$390 -
機器學習｜特徵工程 (Feature Engineering for Machine Learning)$520$411 -
深度學習的數學地圖 -- 用 Python 實作神經網路的數學模型 (附數學快查學習地圖)$580$493 -
生成深度學習｜訓練機器繪畫、作曲、寫作與玩遊戲 (Generative Deep Learning)$580$458 -
精通 Python｜運用簡單的套件進行現代運算, 2/e (Introducing Python: Modern Computing in Simple Packages, 2/e)$880$695 -
Kubernetes 建置與執行 : 邁向基礎設施的未來, 2/e (Kubernetes: Up and Running: Dive into the Future of Infrastructure, 2/e)$520$338 -
Python 非同步設計｜使用 Asyncio (Using Asyncio in Python )$480$379 -
Python for DevOps｜學習精準有效的自動化 (Python for Devops: Learn Ruthlessly Effective Automation)$780$616 -
自然語言處理最佳實務｜全面建構真正的 NLP 系統 (Practical Natural Language Processing: A Comprehensive Guide to Building Real-World Nlp Systems)$780$616 -
軟體架構原理｜工程方法 (Fundamentals of Software Architecture: A Comprehensive Guide to Patterns, Characteristics, and Best Practices)$680$537 -
資料科學家的實用統計學 : 運用 R 和 Python 學習 50+個必學統計概念, 2/e (Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python, 2/e)$680$537 -
Python 資料分析必備套件！Pandas 資料清理、重塑、過濾、視覺化 (Pandas 1.x Cookbook, 2/e)$780$616
相關主題
商品描述
從無標籤資料應用機器學習解決方案
“研究人員、工程師與學生將會喜歡這本書，因為本書充滿務實的非監督式學習技術，採用平鋪直述的方式，以及囊括了可快速練習的Python範例。”
–Sarah Nagy
Senior Data Scientist at Edison
許多專家認為非監督式學習是人工智慧的下一個前沿技術，並且是邁向強人工智慧的關鍵。由於世界上大多數資料都沒有標籤，因此無法應用傳統的監督式學習。從另一方面來說，非監督式學習則可以應用在無標籤的資料集，用以發現埋藏在資料深處裡有意義的樣式，而這些樣式幾乎不可能被人類發現。
作者Ankur Patel藉由使用兩個簡單且已經可實際運用於業務開發(production-ready)的Python框架：Scikit-learn和Keras來示範如何應用非監督式學習。透過程式碼和實際操作範例，數據科學家將從資料中識別難以發現的樣式，獲得更深入的商業洞見、檢測異常、執行自動特徵工程和特徵選擇，以及生成合成資料集。你所需要的只是程式能力和一些機器學習經驗。
‧比較不同機器學習方法的優點和缺點：監督、非監督和強化學習
‧完整地設置和管理機器學習項目
‧為信用卡詐欺建立偵測系統
‧按照相同與不相同將使用者進行分群
‧實作半監督式學習
‧使用受限玻爾茲曼機(restricted Boltzmann machine, RBM)開發電影推薦系統
‧使用生成對抗網路建立合成影像
作者簡介
Ankur A. Patel 是7Park Data(Vista Equity Partner項目公司)的數據科學副總裁。在7Park Data，Ankur和他的數據科學團隊採用替代資料為對沖基金和公司構建數據產品，並為企業開發機器學習即服務(MLaaS)。
目錄大綱
前言
第一部分 非監督式學習的基礎
chapter 01 機器學習領域裡的非監督式學習
chapter 02 完整的機器學習專案
第二部分 使用 Scikit-Learn 開發非監督式學習
chapter 03 維度縮減
chapter 04 異常偵測
chapter 05 分群
chapter 06 群組區隔
第三部分 使用 TensorFlow 和 Keras 開發非監督式學習
chapter 07 自動編碼器（Autoencoder）
chapter 08 實際操作自動編碼器
chapter 09 半監督式學習
第四部分 使用 TensorFlow 和 Keras 開發非監督式深度學習模型
chapter 10 推薦系統使用受限波爾茲曼機
chapter 11 使用深度信念網路（DBNs）進行特徵偵測
chapter 12 生成對抗網路
chapter 13 時序型資料分群法
chapter 14 結論
索引
