必學！Python 資料科學‧機器學習最強套件 F1378 價格比較,價格查詢,價格歷史信息

內容介紹: 最夯的 Python 套件解說 ✕ 最夯的資料科學、機器學習技術, 本書帶您一次學會！ Python 是近來最熱門的程式語言, 也是資料科學、機器學習實作時的首選語言。Python 之所以在這些領域大放異彩, 就是仰賴了各種功能強大的第三方套件, 不過套件百百款, 該從哪些下手呢？很簡單, 很少用到的先不用花太多時間, 我們挑常用、關鍵的先學好！本書為有志於學習資料科學、機器學習的初學者, 嚴選出 NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras 等最強套件, 絕對是初學者必須好好掌握的！ NumPy 數值運算套件可以做資料高速運算, 許多套件也都是以 NumPy 為基礎建構而成, 經常得跟 NumPy 搭配使用, 一定要紮穩這個重要基石； 在面對龐大的資料時, 使用 Pandas、Matplotlib 可以輕鬆做資料整理, 並藉由繪圖獲取重要資訊, 是資料科學實作的強大利器； OpenCV 是電腦視覺 (Computer Vision) 領域響叮噹的套件, 不管是裁切、縮放、輪廓偵測、過濾影像以強化資訊...各種影像處理功能一應俱全, 是影像辨識、機器學習做資料擴增的最強助手； 最後, 我們將帶您一窺 scikit-learn、tf.Keras 這兩個重量級套件如何在機器學習、深度學習領域中發揮關鍵性的作用, 我們會實際操演如何利用它們做資料預處理 (Preprocessing)、建構 KNN / SVM / 邏輯斯迴歸 (Logistic regression) / 決策樹 (Decision tree) / 隨機森林 (Random forest)…等監督式學習分類模型；以及建立 DNN、CNN 等影像辨識神經網路 (Neural network)。 看了本書之後, 你將深刻體會到各套件的強大之處, 利用短短幾行程式碼, 竟然瞬間完成許多運算、建模工作。不過各套件的函式、參數設定可不像網路文章寫的這麼單純, 當中有許多設定「眉角」需要特別注意, 為此, 小編都經過逐一詳測, 針對可能遇到的問題添加大量註解, 幫助讀者更加理解內容！ 本書特色: □資料科學熱門套件解說 ‧紮穩 NumPy 重要基礎：axis、dimention、陣列切片、各種高速運算函式 ‧Pandas 資料分析技巧：資料清理、缺失值處理、快速取得各種統計數據 ‧Matplotlib 資料視覺化：繪製 2D / 3D 圖 / 子圖、比較資料的分布狀況 ‧OpenCV 影像處理：影像裁切 / 縮放 / 翻轉...做資料擴增, 二值化 (binarization) / 降雜訊...強化重要影像資訊 □最紮實的機器學習、深度學習實戰 ‧機器學習的資料預處理 (Data preprocessing) ‧快速建構 KNN / SVM / 邏輯斯迴歸 (Logistic regression) / 決策樹 (Decision tree) / 隨機森林 (Random forest)...監督式學習分類模型 ‧建立 DNN、CNN 影像辨識神經網路 (Neural network) ‧建模完只是第一步！各模型超參數 (Hyperparameter) 調整心法大公開！ □本書由【施威銘研究室監修】, 書中針對原書進行大量補充, 並適當添加註解, 幫助讀者更加理解內容！ 目錄: 第 1 章 Python 基礎：變數、 資料型別與 if 判斷式 第 2 章 Python 基礎：list、dict 與迴圈 第 3 章 函式、 類別與模組 第 4 章 進階函式及特殊容器 第 5 章 NumPy 高速運算套件 第 6 章 pandas 的基礎 第 7 章 DataFrame 的串接與合併 第 8 章 DataFrame 的進階應用 第 9 章 Matplotlib 資料視覺化套件的基礎 第 10 章 用 Matplotlib 繪製各類圖表 第 11 章 用 OpenCV 處理影像資料 第 12 章用 scikit-learn 進行監督式機器學習 第 13 章 監督式學習模型的超參數調整 第 14 章 用 tf.Keras 套件實作深度學習 第 15 章 優化神經網路模型 第 16 章 利用卷積神經網路 (CNN) 做影像辨識 第 17 章 優化 CNN 模型 作者：株式会社アイデミー 石川 聡彦 著, 劉金讓 譯, 施威銘研究室 監修 書號：F1378 ISBN：9789863126157 建議售價：680 元 色彩：局彩

商品選項

屬性