三民網路書店 / 搜尋結果

★ ML 最強套件 scikit-learn ✕ 經典演算法，帶領你徹底攻略所有 ML 必備理論與實踐技能！ 【本書內容】 機器學習是一門多領域交叉學科，涉及機率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。其研究電腦模擬或實現人類的學習行為，獲取新的知識，重新組合現有知識結構並改善自身的效能。 本書針對機器學習領域描述了多個學習模型、策略、演算法、理論以及應用，以 Python 3 為基礎，使用 scikit-learn 解決實際問題。 全書完整介紹機器學習基本概念、演算法流程、模型建構、資料訓練、模型評估與最佳化、必備工具和實現方法，並佐以實際案例，以機器學習的經典演算法為軸線：演算法分析 ▶ 資料獲取 ▶ 模型建構 ▶ 推斷 ▶ 演算法評估，讓你理論與實踐技能一次學會，輕易上手。 【本書特色】 ML 的最佳參考書，scikit-learn 的最紮實實戰應用，亦為深入 AI 技術的優良基礎！ ● 機器學習概述 ● 資料特徵提取 ● scikit-learn 估計器分類 ● 單純貝氏分類 ● 簡單線性迴歸到多元線性迴歸 ● k 近鄰演算法分類 ● 線性迴歸到邏輯迴歸 ● 非線性分類與決策樹迴歸 ● 決策樹到隨機森林 ● 感知機到支持向量機 ● 從感知機到類神經網路 ● 主成分分析降維

大數據時代，大數據分析是關鍵技術。Python是一款優秀的大數據分析軟件，本書以Python 3結合第三方開源工具進行大數據分析，以最小的代價編程實現數據的提取、處理、分析和可視化。 本書分為8章，首先介紹大數據分析的背景和行業應用，給出了數據特徵算法分析；然後基於Python 3介紹常用典型第三方大數據分析工具的場景應用；最後比較翔實地闡述大數據分析算法與經典實例應用。 本書適合從事大數據分析的

本書理論與實踐相結合，詳細闡述機器學習數據特徵與分類算法，基於Python 3精心編排大量的機器學習場景與開源平臺應用，高效利用Python 3代碼翔實地闡釋機器學習核心算法及其工具的場景應用。 本書分為6章，主要內容包括機器學習概述、數據特徵、分類算法、項目，以及在機器學習平臺Kaggle與PaddlePaddle上實現分類、預測及推薦等實戰操作。 本書適合機器學習的研究人員、計算機或數學等相關

《Python數據分析與挖掘實戰》涵蓋數據分析與數據挖掘的基礎知識、必備工具和有效實踐方法，能讓讀者充分掌握數據分析與數據挖掘的基本技能。 《Python數據分析與挖掘實戰》共分為15章，主要內容包括大數據獲取、數據預處理、探索性數據分析、用Sklearn估計器分類、主流數據分析庫、大數據的數據庫類型、數據倉庫/商業智能、數據聚合與分組運算、數據挖掘工具、挖掘建

本書系統地講述數據庫原理與SQL Server 2016的功能、應用及實踐知識。 全書共分13章，主要內容包括關系數據庫知識、SQL Server 2016的安裝與配置、數據庫的創建與維護、數據庫表的操作與管理、數據庫表的維護、完整性控制、查詢與管理表數據、Transact-SQL編程、存儲過程和觸發器、數據庫安全管理、數據庫系統開發配置連接，並且詳細介紹了C#和SQL Server 2016系統

本書圍繞互聯網重大的技術革命：雲計算、大數據進行闡述。雲計算環境下大數據處理構建是國民經濟發展的信息基礎設施，發展自主的雲計算核心技術，擁有自己的信息基礎設施，當前正處於重要的機遇期。 本書重點在大數據與雲計算的融合，給出了大數據與雲計算的一些基本概念，並以Spark為開發工具，全面講述雲環境下的Spark大數據技術部署與典型案例算法實現，最後介紹了國內經典Spark大數據與雲計算融合的架構與算法

本書圍繞網際網路重大的技術革命：雲端運算、大數據進行說明。本書重點在大數據與雲端運算的融合，列出大數據與雲端運算的一些基本概念的同時，以Spark 為開發工具，全面說明雲環境下的大數據技術部署與典型案例演算法實現，最後介紹經典Spark 大數據與雲端運算融合的架構與演算法。

本書圍繞網際網路重大的技術革命：雲端運算、大數據進行說明。本書重點在大數據與雲端運算的融合，列出大數據與雲端運算的一些基本概念的同時，以Spark 為開發工具，全面說明雲環境下的大數據技術部署與典型案例演算法實現，最後介紹經典Spark 大數據與雲端運算融合的架構與演算法。 適用：雲端運算環境下Spark大數據技術人員、Spark MLlib機器學習技術人員。

本書重點在大數據與雲端運算的融合，列出了大數據與雲端運算的一些基本概念的同時，以Spark 為開發工具，全面說明雲環境下的大數據技術部署與典型案例演算法實現，最後介紹了經典Spark 大數據與雲端運算融合的架構與演算法。

本書圍繞scikit-learn庫，詳細介紹機器學習模型、算法、應用場景及其案例實現方法，通過對相關算法循序漸進的講解，帶你輕鬆踏上機器學習之旅。本書採用理論與實踐相結合的方式，結合Python3語言的強大功能，以最小的編程代價來實現機器學習算法。本書配套PPT課件、案例源碼、數據集、開發環境與答疑服務。本書共分13章，內容包括機器學習的基礎理論、模型範式、策略、算法以及機器學習的應用開發，涵蓋特徵提取、簡單線性回歸、k近鄰算法、多元線性回歸、邏輯回歸、樸素貝葉斯、非線性分類、決策樹回歸、隨機森林、感知機、支持向量機、人工神經網絡、K均值算法、主成分分析等熱點研究領域。本書可以作為機器學習初學者、研究人員或從業人員的參考書，也可以作為計算機科學、大數據、人工智能、統計學和社會科學等專業的大學生或研究生的教材。

本書涵蓋深度學習的專業基礎理論知識，包括深度學習概述、機器學習基礎、神經網絡基礎、卷積神經網絡、循環神經網絡、正則化與深度學習優化，以及比較流行的應用場景實踐。本書配套70個示例源碼及PPT課件。本書共11章外加3個附錄，系統講解深度學習的基礎知識與領域應用實踐。本書內容包括深度學習概述、機器學習基礎、神經網絡基礎、卷積神經網絡和循環神經網絡、正則化與深度學習優化、計算機視覺應用、目標檢測應用、文本分析應用、深度強化學習應用、TensorFlow模型應用、Transformer模型應用等。附錄中還給出機器學習和深度學習中用到的數學基礎知識，包括線性代數、概率論和信息論等。本書適合Python深度學習初學者、深度學習算法開發人員學習，也適合作為高等院校計算機技術、人工智能、大數據相關專業的教材或教學參考書。