回首頁  
帳號
 
關於博碩 博碩好讀 校園圖書 MOCC認證 下載教學 博碩教育雲 數位學院 最新書單(歡迎下載)

博碩好讀
  新書推薦
  出版預告
  名家名著
 

分類索引

 

出版總覽

 

讀者服務

  徵求作者
 
首頁 >> 書籍介紹
 
 
點我可放大圖片
 
書名:Python機器學習第三版(下)
書號:MP12028 作者:Sebastian Raschka、Vahid Mirjalili 著 ISBN: 978-986-434-519-9
定價:NT$520元 印刷:單色 頁數:320頁
書籍規格:17*23 上市日:2020/10/8 譯者:劉立民、吳建華 譯
學習定位:初階 本書附件:網路下載範例檔  
前往購買 >> 天瓏 類別:電腦技術  
       
快速前往 快速前往 快速前往        

 

 
    Python機器學習第三版(下)
    Python Machine Learning - Third Edition

    第三版-最新修訂版,新增TensorFlow 2、GAN和強化學習等實用內容
    使用Python的scikit-learn和TensorFlow 2融會貫通機器學習與深度學習

    循序漸進、由淺入深,好評熱銷再進化!最新修訂的《Python機器學習第三版》是一本不容錯過的全方位指南,也是讀者在建立機器學習系統時的必備參考。有別於其他機器學習教科書,本書使用Python探求機器學習和深度學習的技術精髓,強調豐富實用的程式範例、條理分明的數學解釋,以及直覺友善的圖解說明,帶領讀者探索機器學習的眾多子領域,讓艱澀的概念栩栩如生。

    許多讀者告訴我們,他們非常喜歡本書第二版的前12章,因為它們全面介紹了機器學習與Python的科學計算。為了確保這些內容的相關性,我們依據讀者回饋,回顧並修改了這些章節,以支援最新版本的NumPy、SciPy、pandas、matplotlib和scikit-learn,並規劃成本書的上冊。而TensorFlow 2.0更是深度學習領域最振奮人心的事件之一,所有與TensorFlow有關的章節(第13章到第16章,規劃成本書的下冊)都進行了大幅度修改。除了介紹Keras API與scikit-learn的最新功能之外,本書也探討自然語言處理(NLP)的子領域「情緒分析」,以及強化學習(RL)和生成對抗網路(GAN)等時下最流行的AI技術(第17章和第18章)。

    無論你是有經驗的程式設計師,或是機器學習新手,或你只想進一步深入了解機器學習的最新發展,本書將是你在機器學習之旅中的絕佳良伴。

    在這本書中,你將學到:

    ⦁掌握能讓機器從數據中「學習」的框架、模型和技術
    ⦁使用scikit-learn進行機器學習、使用TensorFlow進行深度學習
    ⦁利用機器學習來做影像分類、情緒分析與智慧Web應用程式
    ⦁訓練類神經網路、GAN與其它模型
    ⦁結合機器學習模型與Web應用程式
    ⦁為機器學習工作清理並準備數據
    ⦁用深度卷積類神經網路來分類影像
    ⦁了解評估和調校模型的最佳實作
    ⦁使用迴歸分析來預測連續目標
    ⦁利用「集群」來發掘數據中隱藏的模式與結構
    ⦁使用「情緒分析」深入研究文本和社群媒體數據
    ⦁上冊包含本書前12章,下冊則包含第13章到第18章。
 
    前言

    第13 章:使用TensorFlow來平行化類神經網路的訓練
    TensorFlow 與訓練效能
    使用TensorFlow 的第一步
    使用td.data 來建立輸入管線-TensorFlow Dataset API
    在TensorFlow 中建立NN模型
    為多層網路選擇啟動函數
    小結

    第14章:更深入地研究TensorFlow的運作機制
    TensorFlow的主要特點
    TensorFlow的計算圖:轉移到TensorFlow v2
    用來儲存與更新模型參數的TensorFlow變數物件
    利用自動微分和GradientTape來計算梯度
    透過Keras API簡化一般架構的實作
    TensorFlow估計器
    小結

    第15章:使用深度卷積類神經網路來做影像分類
    卷積類神經網路中的模塊
    把所有元件整合起來建立一個CNN
    以TensorFlow實作深度CNN
    以CNN對臉部圖片做性別分類
    小結

    第16章:以遞迴類神經網路來對循序數據建模
    循序數據簡介
    以RNN來對循序數據建模
    使用TensorFlow來實作多層RNN的序列建模
    使用變形模型了解語言
    小結

    第17章:使用生成對抗網路合成新數據
    生成對抗網路簡介
    從頭開始實作一個GAN
    使用卷積與Wasserstein GAN來改進合成影像的品質
    其他的GAN應用
    小結

    第18章:在複雜的環境中以強化學習來做決策
    簡介-從經驗中學習
    RL的理論基礎
    強化學習演算法
    實作我們的第一個RL演算法
    深度Q學習法簡介
    章節與本書總結
 
    Sebastian Raschka 擁有密西根州立大學(Michigan State University)的博士學位,在那裡,他專攻開發將「計算生物學」(computational biology)與「機器學習」結合使用的方法。2018年的夏天,他加入威斯康辛大學麥迪遜分校(University of Wisconsin-Madison),擔任「統計學」的助理教授。他的研究活動包括開發「新的深度學習架構」來解決生物識別(biometrics)領域的問題。

    他引以為傲的成就之一是他的著作《Python機器學習》,這也是Packt和Amazon上的暢銷書。本書在2016年榮獲ACM的最佳計算類別獎項(Best of Computing award),並被翻譯成多種不同語言,包括德文、韓文、中文、日文、俄文、波蘭文和義大利文。

    Vahid Mirjalili 是密西根州立大學的機械工程博士,專攻大規模「分子結構」計算模擬的新方法研究。他曾是密西根州立大學「iPRoBe實驗室」的一員,致力於各種機器學習在「電腦視覺」與「生物識別」中的應用專案。在「iPRoBe實驗室」與「學術界」耕耘了多年之後,他最近加入3M公司,成為一位研究科學家,利用他的「專業知識」以及應用機器學習與深度學習的「先進技術」,在各種應用程式中解決真實世界的問題,讓生活變得更好。
 
    【下載範例程式檔案】
        本書的程式碼是由GitHub託管,可點選下面圖案前往下載:
        

    【下載本書的彩色圖片】
        提供您一個包含本書使用的彩色圖表的PDF檔案,可以在此下載:
        
 
 
 
     

博碩文化客服信箱
 

dr26962869@gmail.com

 
文教業務團隊
台北、新北、桃園、基隆、宜蘭、花蓮
郭 南 彤
LINE ID:rgtech101
0917-727778
tigerguo@drmaster.com.tw
汪 玉 鳳
LINE ID:0925177716
0925-177716
carlo@drmaster.com.tw
助理分機 519
新竹、苗栗、台中、彰化、南投、雲林
林 世 昌
LINE ID:0925275775
0925-275775
rick@drmaster.com.tw
助理分機 519
嘉義、台南、高雄、屏東、台東
林 月 玲
LINE ID:0926858627
0926-858627
donylin@drmaster.com.tw
助理分機 238
 
MOCC 認證小組
 
  林 雯 玲 電話:02-2696-2869 分機:623 software24@drmaster.com.tw

 

 
 

 

博碩文化股份有限公司 DrMaster Press Co., Ltd.
台灣新北市汐止區新台五路一段112號10樓A棟
Building A, 10F, No.112, Xintai 5th Rd., Sec.1,Xizhi Dist., New Taipei City 221, Taiwan
Tel:02-2696-2869 Fax:02-2696-2867 劃撥帳號:17484299

Copyright© DrMaster Press Co., Ltd. All Rights Reserved.