本書遵循專業考科「TQC+ 人工智慧:機器學習Python 3」技能規範架構撰寫,符合鑑定的命題趨勢。
1.內容由淺入深,採循序漸進的方式建立您運用機器學習解決問題的基本概念,達到技術的傳承及表達,符合實務運用需求。
2.本書共有七個章節,包含「Python與機器學習」、「數據前處理」、「監督式學習:迴歸」、「監督式學習:分類」、「模型擬合、評估與超參數調校」、「非監督式學習:降維與分群」、「集成學習」、「機器學習應用」,帶領讀者快速從資料中自動分析獲得規律,並利用規律對未知資料進行預測與分類,是為實現人工智慧:機器學習實際表現之最佳讀本。
3.題庫練習 歡迎到雲端練功坊(cloud.csf.org.tw)來充電、練功。
4.配合中華民國電腦技能基金會(www.csf.org.tw)測驗,一舉取得專業證照,讓您求學、求職更具競爭力。
TQC+ Python3.x 機器學習基礎與應用特訓教材
內容描述
目錄大綱
Chapter 0 Python與機器學習
0-1 Python發展與編寫環境
0-2 機器學習
0-3 機器學習使用Python
0-4 基礎數學與Python實作
0-5 小結
綜合範例
Chapter 1 數據前處理
1-1 數據類型
1-2 遺漏值
1-3 切割數據集
1-4 異常值
1-5 選取重要特徵
1-6 小結
綜合範例
Chapter 2 監督式學習:迴歸
2-1 線性迴歸
2-2 評估迴歸模型的效能
2-3 正規化的迴歸
2-4 處理非線性關係
2-5 小結
綜合範例
Chapter 3 監督式學習:分類
3-1 迴歸vs分類
3-2 評估分類器的效能
3-3 邏輯斯迴歸
3-4 支援向量機
3-5 簡單貝氏分類器
3-6 決策樹
3-7 k最近鄰
3-8 小結
綜合範例
Chapter 4 模型擬合、評估與超參數調校
4-1 工作流程管道化
4-2 過擬合與欠擬合
4-3 評估模型效能
4-4 調校超參數
4-5 處理類別不平衡
4-6 小結
綜合範例
Chapter 5 非監督式學習:降維與分群
5-1 主成份分析降維
5-2 k-means分群
5-3 階層式分群
5-4 DBSCAN分群
5-5 鄰近傳播分群
5-6 小結
綜合範例
Chapter 6 集成學習
6.1 以袋裝法集思廣益
6.2 以提升法互補有無
6.3 以堆疊法兼容並蓄
Chapter 7 機器學習應用
7.1 自然語言處理
7.2 序列資料處理