AI 必須!從做中學貝氏統計 修訂第二版 – 從事機器學習、深度學習、資料科學、大數據分析一定要懂的統計利器
找相似
商品已停售

AI 必須!從做中學貝氏統計 修訂第二版 – 從事機器學習、深度學習、資料科學、大數據分析一定要懂的統計利器

台灣樂天市場
訂單成立賺3%
下單享LINE POINTS點數
訂單成立賺3%30
台灣樂天市場

台灣樂天市場

▐LINE POINTS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。 ▐ GAME休閒館(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/1MCw7pe/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)、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)導購訂單已逾365天,根據台灣樂天回饋規定,逾期訂單將不符合回饋資格。 (8) 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。

商品描述

作者:Therese M. Donovan- Ruth M. Mi 出版社:旗標 出版日:1120421 ISBN:9789863127468 語言:中文繁體 裝訂方式:平裝 內容簡介 修訂第二版的內容與前一版相同,主要是調整方程式的顏色,使之更容易區別。 小編評語:『厚達六百多頁的統計學想必硬到不行?NO NO NO!這本書的進行方式實在太有創意了,我不僅一步一步跟著鑽研練習,更從實作中享受到讀懂的樂趣。』 貝氏統計因 AI 人工智慧的發展而變得更加炙手可熱,其核心是利用統計推論的方法,在觀察到新資料或證據時,利用科學方法循環更新先前假設的機率,非常適合只能依據僅有且不夠完整的資訊進行假設評估的技術。目前廣泛應用於人工智慧 (機器學習、深度學習)、社會學、生物學、醫學、公共衛生、心理學、物理及科學等領域。 正經八百的統計學應該大家都望之卻步吧,本書作者獨樹一格,摒棄枯燥的說教方式,選擇與學習者站在一起,將學習過程中腦海裡經常冒出來的問號,以豐富的圖表、實作輔助並提供許多參考資源的問答方法呈現,如同老師就在你的身邊,看得懂才學得會。對於重要觀念與公式,也會用不同顏色標示 (對了!本書是彩色印刷,灑花),並且不斷地前後呼應提醒,講七遍做二十一遍,才不會讀到後面又忘了前面,如此才能把貝氏統計的精髓深深烙印在腦中。 本書非常適合個人研讀以及想瞭解貝氏統計技術的專業研究人員,亦可做為大學高年級和研究所教學用書。 本書特色 ● 由施威銘研究室監修,適時補充編註與譯註提醒讀者,看得懂才學得會。 ● 貫徹『講七遍、做二十一遍』的精神,從做中學會的就不會忘記。 ● 厚達六百多頁,為考慮到學習的便利性與舒適性,採用軟精裝裝訂可攤平閱讀。 ● 彩色印刷,讓內文重點、圖表與公式更容易看清楚。 作者簡介 作者介紹 Therese Donovan 美國地質調查暨魚類和野生動物生物學家。在佛蒙特大學魯賓斯坦環境與自然資源學院的研究所教授生態建模與保育生物學,並與專業人員共同研究脊椎動物保護問題。 Ruth Mickey 佛蒙特大學數學與統計學系榮譽教授。她教授多變量分析、分類數據、調查取樣、變異數分析與機率學等課程,亦擔任碩博士委員會顧問。她致力於開發統計方法與應用以推動公共衛生與自然資源事務。 譯者簡介 黃駿 臺灣大學腦與心智科學研究所碩士班畢業後,曾擔任過行銷、產品設計等工作。有 Java 與 Python 程式語言基礎,對於科學與科技議題抱有高度興趣,隨後投入翻譯工作,譯有《無限的力量》《深度強化式學習》《深度學習的 16 堂課》《AI 必須! 從做中學貝氏統計》等,同時經營自己的英文部落格:Neurozo Innovation Blog。 譯者介紹 目錄 第一篇 機率的基本概念 Ch01 先來瞭解一下機率 Ch02 聯合機率、邊際機率、條件機率 第二篇 貝氏定理和貝氏推論 Ch03 貝氏定理 Ch04 貝氏推論 Ch05 作者問題:包含兩個假設的貝氏推論 Ch06 生日問題:包含多個假設的貝氏推論 Ch07 肖像問題:利用聯合概似性進行貝氏推論 第三篇 機率函數 Ch08 機率質量函數 Ch09 機率密度函數 第四篇 貝氏共軛 (Bayesian Conjugate) Ch10 白宮問題:Beta-二項式共軛 Ch11 鯊魚攻擊問題:Gamma-卜瓦松共軛 Ch12 楓糖問題:常態-常態共軛 第五篇 馬可夫鏈蒙地卡羅 (MCMC) Ch13 回顧鯊魚攻擊問題:以 Metropolis 演算法進行 MCMC 分析 Ch14 MCMC 診斷技巧 Ch15 回顧白宮問題:以 Metropolis-Hastings 演算法進行 MCMC 分析 Ch16 回顧楓糖問題:以 Gibbs 採樣進行 MCMC 分析 第六篇 貝是定理的有趣應用 Ch17 生存遊戲問題:以 MCMC 進行簡單線性迴歸 Ch18 繼續討論生存遊戲問題:介紹貝氏模型選擇 Ch19 羅雷司問題:介紹貝氏網路 Ch20 萬事樂問題:介紹決策樹 附錄 A1 Beta-二項式共軛解 A2 Gamma-卜瓦松共軛解 A3 常態-常態共軛解 A4 簡單線性迴歸的共軛解 A5 迴歸資料的標準化

加入購物車

設定到價通知

商品已停售