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[79折]11101006950 TAAZE讀冊生活網路書店
1. 透過LINE購物進入蝦皮後禁止再透過蝦皮直播下單,避免訂單認列異常
2. 請務必「清空」蝦皮購物車,再透過LINE購物連結至蝦皮商店進行購買 ;先把商品加入購物車,再從LINE購物連結至蝦皮結帳,將無法獲得點數回饋。
3. 請避免連續下單,若您完成交易後,想下第二張訂單,請重新從LINE購物連結至蝦皮商店進行購買
4. 電子票券及繳費服務類別:回饋0%。
5. 請留意,蝦皮超市內的商品(蝦皮超市、蝦皮直送美妝、蝦皮免運直送)不隸屬於蝦皮商城,點數回饋請依照「蝦皮超市」商店頁為主。
6. 蝦皮商城之訂單適用於部分點數紅包,規範請依該紅包頁說明為主。
7. 點數回饋將依照蝦皮提供扣除折價券、運費與蝦幣後之最終金額進行計算。
8. 同一商品品項(即便不同尺寸規格),皆會計入同一筆返點上限進行計算
9. 用戶需於同一瀏覽器進行交易(若自動跳轉 APP,請在 APP交易)。
10. 若使用不同物流或付款方式,將拆分成不同筆訂單編號發送通知。
11. 若使用折價券折抵,可能會有攤提折抵導致訂單金額些微落差
12. 蝦皮會將LINE的導購跳轉紀錄與蝦皮的會員ID進行綁定,若後續七天內未透過其他媒體來源導入蝦皮官網,則七天內於該蝦皮帳號下訂的首筆訂單會被蝦皮認列為該LINE用戶導購跳轉時所成立之訂單。
13. 若同一用戶使用一個以上蝦皮帳號透過LINE購物進行導購,將可能導致無法收到導購通知,亦可能無法收到點數,再請留意。
[注意事項]
1.如導購途中用戶由網頁版(電腦版/手機版網頁)切換為 App 會造成追蹤中斷而無法進行 LINE Points 回饋
2.若購買過程中關閉蝦皮APP,則需重新透過LINE購物前往蝦皮商城,否則無法進行LINE POINTS 回饋。 / 3.如用戶先前往蝦皮商城將商品加入購物車,後續透過LINE購物前往至蝦皮商城將購物車結清,此方案將不列入 LINE Points 回饋
4.若因系統異常無法追蹤訂單,致使消費者無接收到點數回饋,蝦皮保有更改條款與法律追訴之權利
5. LINE購物商品價格若與蝦皮賣場實際價格有異,以蝦皮賣場價格為準同款比價 | 為您推薦3個賣場3個同款賣場3個同款賣場
價格低到高
商品描述
商品資料
作者:Therese M. Donovan、Ruth M. Mickey
出版社:旗標科技股份有限公司
出版日期:2023/04/21
ISBN/ISSN:9789863127468
語言:繁體/中文
裝訂方式:平裝
頁數:672
原價:1200
------------------------------------------------------------------------
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 1]
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。
[作者 2]
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]
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。
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