自學機器學習:上Kaggle接軌世界,成為資料科學家
▐ 自2024/1/1 00:00起,台灣樂天市場「屈臣氏」將不贈送 LINE POINTS 點數
▐ 自2023/2/1 00:00起,樂天Kobo電子書不贈送 LINE POINTS 點數,請會員多加留意。
▐ LINE POINT點數回饋依照樂天提供扣除折價券(優惠券)、與運費後之最終金額進行計算。
▐ 愛買與愛票網、a la sha(2023/8/1生效)、GAME休閒館(2023/8/1生效)、專品藥局(2023/8/1生效)等部分店家不參與全站加碼,請詳閱LINE Points 加碼店家清單:https://lin.ee/Y2CcVdk/rcfk
▐ 注意事項
(1)部分服務及店家不符合贈點資格,購買後將不贈送 LINE Points 點數,亦不得使用點數紅包,如:比漾廣場、神腦生活、MyCard、愛美麗福利社、展翔通訊、ezcook 美食廚房、葳豐數位商城、吉盈數位商城、森林巨人、包材中心、KABO佳麗寶家電批發、LuLuLu精品店、NewSTYLE新風尚潮流、0216零食會社、美寶家電、純米小鋪、LILY科技新櫃、登芳3C電子雜貨賣場、豐饌御鴨、鼎耀通訊、誠選3C、Smile、葳豐數位商城二店、米蘭寶、BoBo Outlet代購屋、楊家食品(2022/10/1生效)、樂天Kobo電子書(2023/2/1生效)、屈臣氏(2024/1/1生效)等,請詳閱LINE Points 加碼店家清單。
(2)需透過LINE購物前往台灣樂天市場,並在同一瀏覽器於24小時內結帳,才享有 LINE Points 回饋。
(3)若購買之訂單(包含預購商品)未符合樂天市場 45 天內完成訂單出貨及結帳,則不符合贈點資格。
(4)如使用App、或中途瀏覽比價網、回饋網、Google等其他網頁、或由網頁版(電腦版/手機版網頁)切換為App都將會造成追蹤中斷而無法進行 LINE Points 回饋。
(5) LINE 購物為購物資訊整合性平台,商品資料更新會有時間差,如顯示之商品規格、顏色、價位、贈品與台灣樂天市場銷售網頁不符,以銷售網頁標示為準。
(6)Pickup店家之有效訂單需於下單後40天內使用完畢才符合分潤條件
(7) 若上述或其他原因,致使消費者無接收到點數回饋或點數回饋有爭議,台灣樂天市場保有更改條款與法律追訴之權利,活動詳情以樂天市場網站公告為準。同款比價 | 為您推薦2個賣場2個同款賣場2個同款賣場
價格低到高
商品描述
作者:チーム゚カルポ 出版社:旗標 出版日:1100805 ISBN:9789863126720 語言:中文繁體 裝訂方式:平裝 內容簡介 你還在建立模型分析玩具資料集嗎?你還在使用只有幾百筆資料的鳶尾花資料集嗎?你還在透過Numpy亂數產生器建立資料集嗎? 還是,你苦於找不到資料集?又或是,你發現以前所學的技術,套在真實資料集,根本不能用? 假資料或玩具資料集無法和產業界接軌,練再多只是徒勞無功,但想要有真實資料集卻不知從何得到。 現在你看到的這本書,將帶你在初學和實戰之間,提供一個累積實務經驗值的試驗場,解決你的以上煩惱! 如何獲取要分析的資料,經常是資料分析與機器學習時會遇到的瓶頸,而 Kaggle 平台有各大企業提供的免費資料集、完善的開發環境、匯集世界各地資料科學專家的討論區、以及高額獎金尋求各種問題的解決方案。只要註冊帳號,就能免費使用以上所有 Kaggle 的資源,顯然是一個絕佳的機器學習、資料科學練習環境。 本書專為入門者所寫,讓讀者知道如何善用平台資源,包含解析 Kaggle 上面的資料集,以及操作平台提供的完整 Python 開發環境。此外,書中從基礎的線性迴歸模型開始打底,隨後詳細講解當前火紅的神經網路,並深入探討循環神經網路的進階案例,也介紹各種特徵工程、模型超參數調整、模型集成的技術,一書掌握機器學習領域中重要的模型。本書所使用的範例,包含經典的CIFAR-10上萬張影像資料集、也有日本 Mercari 企業提供的資料集等,讓你擺脫不切實際的玩具資料集,直接打造實戰能力。 本書將助你從入門開始一步步打造技術力,同時銜接上實務應用,讓你在研究、職場脫穎而出。 本書特色 ● 國立成功大學資訊工程學系特聘教授 陳培殷博士 推薦 ● 完整介紹 Kaggle 平台上的資源,幫助讀者與世界頂級資料科學家接軌 ● 一書掌握基礎的迴歸、熱門的神經網路、以及進階的循環神經網路等重要模型 ● 使用 Kaggle 平台的資料集,讓讀者學習到實戰所需的機器學習技能,擺脫無聊的玩具資料集 ● 透過巨量資料集為範例,如分析日本 Mercari企 業提供的資料預測商品價格,了解實務應用 ● 本書由施威銘研究室監修,內容易讀易懂,並加入大量「編註」以幫助理解及補充必要知識 ● 完整 Jupyter Notebook 互動式開發環境的 Python 範例程式免費下載 作者簡介 譯者介紹 目錄 [簡要目錄] 第1章 善用 Kaggle 平台打造機器學習 第2章 機器學習的基礎 第3章 建立迴歸與度提升決策樹模型(Gradient Boosting Decision Tree Model, GBDT Model) 第4章 運用神經網路進行圖像辨識 第5章 運用卷積神經網路(Convolutional Neural Network, CNN)做圖像分類 第6章 研究學習率與批次大小 第7章 使用「集成(Ensemble)」來辨識一般物體 第8章 遷移式學習(Transfer Learning) 第9章 循環神經網路(Recurrent Neural Network, RNN) [完整目錄] 第1章 善用 Kaggle 平台打造機器學習 1.1 Kaggle 平台介紹 1.2 參加流程 1.3 Notebook 使用說明 第2章 機器學習的基礎 2.1 機器學習的任務類型 2.2 不同任務的評價指標(Evaluation Metric) 2.3 機器學習的資料集 2.4 資料的預處理 2.5 建立模型 2.6 模型驗證(Validation) 第3章 建立迴歸與度提升決策樹模型(Gradient Boosting Decision Tree Model, GBDT Model) 3.1 資料預處理 3.2 訓練迴歸(Regression)模型 3.3 建立梯度提升決策樹(Gradient Boosting Decision Tree, GBDT)模型 3.4 運用 LASSO 迴歸與梯度提升決策樹進行集成(Ensemble)、預測 第4章 運用神經網路進行圖像辨識 4.1 運用神經網路處理「Digit Recognizer」圖像辨識 4.2 使用貝氏優化作超參數微調(Fine Tune) 第5章 運用卷積神經網路(...