Readmoo 讀墨電子書
每日問答 每日優惠 版權到期
最新機器學習的教科書
0 則劃線
0 篇書評

最新機器學習的教科書

分類導覽 > 電腦科技 > 程式設計
  • 出版日期： 2021/10/01
  • 語言：繁體中文
  • 檔案大小：55.2MB
  • 商品格式：固定版面 EPUB
  • ISBN: 9789860776447
  • ISBN: 9789860776393
  • 頁數： 390
紙本書定價：NT$ 780
電子書售價：NT$ 624
本書為固定版面 EPUB，建議您使用 mooInk Pro 系列、平板及電腦閱讀。

輕鬆簡單的好書，讓你從入門到高手，掌握機器學習及神經網路的數學、理論與實作！
本書特色
機器學習唯一的入門書，從完全不懂到開發專案靠這本書就搞定
充分展現出日本書的細膩流暢又簡單清楚
想了解機器學習又怕被數學公式轟炸的AI小白最適合
作者把所有的數學公式都用最簡單的二維平面來處理，是對人腦最直覺的投射
懶人最愛的程式設計環境，Jupyter Notebook，在瀏覽器中就可以執行神經網路
高中文組數學程度就可以100%看得懂的Python程式
雖然簡單但十分詳細的公式推導 L1、L2回歸你我都會用，但這本書卻有完整的來龍去脈，打下神經網路及深度學習的基礎
無監督學習也有詳細說明，K-means和混合高斯模型
使用Tensorflow，每一行程式碼都看得懂，完全沒有不必要細節或玩弄技巧

喜歡這本的人，也看了...

  • 胡嘉璽
    深智數位股份有限公司
    電子書： NT$ 864

    ►►►重量級Claude Code手冊◄◄◄ ►►►涵蓋最新更新Agent Skills內容◄◄◄ ►►►從新手晉升為高手◄◄◄ ★內容介紹 ☆Vibe Coding 時代第一名的 AI 開發助手 Claude ...

    試讀
  • 洪錦魁（著）
    深智數位股份有限公司
    電子書： NT$ 520

    https://youtu.be/aCXqTqqQzVY Gemini 3 x NotebookLM 領軍 Nano Banana Pro x Veo x Whisk x Flow x Gem Google 多模態 AI 工作流 本書內容 ☆★☆從 Gemini...

    試讀
  • 李馨
    博碩文化
    電子書： NT$ 720

    打好Python基礎，就趁現在！ ▶認識 Python 這個簡潔的程式語言，理論與實作並行 ▶每個章節有豐富的範例，配合 Python Shell 的互動交談，更能得心應手 ▶手把...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 496

    NotebookLM筆記術 打造你的AI「第二大腦」 ★☆★ 從「抄重點」走向「理解與輸出」 ★☆★ ★☆★ 多來源整合 x 提問思考 x 知識累積 ★☆★ ★☆★ 學生、教師、上班...

    試讀
  • 洪錦魁（著）
    深智數位股份有限公司
    電子書： NT$ 576

    "★★★「程式設計不再孤軍奮戰，讓 AI 成為你的戰友！」★★★ ☆☆☆「用 VS Code + Copilot，讓寫程式變得像聊天一樣簡單！」☆☆☆ ★★★「專案實戰，立即上手，程式...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 464

    AI提示詞 打造精準Prompt的對話力與創造力 【台灣首創Prompt教戰守則】 【解密AI對話的黃金鑰匙】 【實戰範例，學Prompt超有感】 【職場創新，掌握AI...

    試讀
  • 許國政（Kuro）
    博碩文化
    出版日期：2021-02-07
    電子書： NT$ 450

    從零開始！快速上手！網羅完整Vue.js功能的實戰指南

    試讀
  • 洪錦魁（著）
    深智數位股份有限公司
    電子書： NT$ 520

    AI Prompt for Excel 用AI提示詞翻轉Excel生產力 【讓AI成為你的Excel智慧助理，創造無限可能！】 【立即入手，跟上數位辦公革命第一線！】

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 480

    AI高效學習術 人工智慧時代學得更聰明 本書內容 ☆★☆在 AI 時代，會學習才是真本事☆★☆ ☆★☆不是學更多，而是學得更聰明☆★☆ ☆★☆讓 AI 當思考教練，而不是...

    試讀
  • 蔡煥麟
    一步出版
    電子書： NT$ 420

    這不是一本鉅細靡遺的 C# 語法字典。 本書將介紹 C# 語言當中較為核心、進階、或需要花較多時間深度理解的部分。不同於傳統程式設計書籍的是，本書特別強調...

    試讀
  • 許恆修
    深智數位股份有限公司
    電子書： NT$ 656

    你與 AI 大神的距離，只差這本「動手做」的實戰指南！ 翻開本書，開始打造專屬於你的第一個 AI 應用吧！ ★ AI 當你的程式助教，從零開始不怕痛！ 本書專...

    試讀
  • 張逸中 李美億
    博碩文化
    出版日期：2020-11-06
    電子書： NT$ 380

    用C#輕鬆寫出影像辨識程式 精選影像辨識程式範例，讓你快速具備實務工作的能力！

    試讀
  • 洪錦魁
    深智數位股份有限公司
    出版日期：2022-07-01
    電子書： NT$ 544

    Python 操作 Excel ～最強入門邁向辦公室自動化之路～ 王者歸來 ★ 最短時間精通 Python + openpyxl + Pandas 操作 Excel ★ 全彩圖解 + 23 個主題 + 339 ...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 552

    【免費】 × 【強大】 × 【即學即用】 【17套免費AI工具】 x 【21個主題的全方位應用指南】 這不是一本教你「什麼是 AI」的書，而是一本帶你「怎麼用 AI ...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 496

    ☆★☆從 Gemini 到 NotebookLM，打造個人知識與創作☆★☆ ☆★☆整合 Google Workspace全系列 AI 工具☆★☆ ☆★☆圖像、語音、影片與文件的多模態☆★☆ ☆★☆讓 AI 真的成...

    試讀
  • 洪錦魁（著）
    深智數位股份有限公司
    電子書： NT$ 448

    ☆★☆★☆ 讓 AI 揭開你的健康真相 ☆★☆★☆ ☆★☆★☆ 每日生活變成你的長壽武器 ☆★☆★☆ ☆★☆★☆ AI 秒做菜單、秒排運動 ☆★☆★☆ ☆★☆★☆ 睡不好？AI 給你最強助眠組合 ☆★☆★☆ ☆...

    試讀
  • 柳絮 段采伶
    深智數位股份有限公司
    電子書： NT$ 496

    市面上第一本結合「八字命盤、AI 覺察與人生指引信」的自我探索說明書。 寫給站在人生岔路前、猶豫著該往哪裡走的你， 寫給忙得不敢停下、只能硬撐著往前走的...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 544

    ★☆★「AI 時代最全面的 ChatGPT 5 實戰指南」★☆★ 在 AI 快速演進的浪潮中，ChatGPT 5 不僅是工具，更是未來工作與創作的強大戰友。本書從基礎到進階，完整揭...

    試讀
  • 黃子靜 張峮瑋
    深智數位股份有限公司
    電子書： NT$ 704

    ★國內金控現職量化交易研究人員傳授從量化分析到真實交易系統建置，一本書全學會 ☆量化統計專家 + 程式交易員共同帶你使用 Python 攻略台股量化分析及自動交...

    試讀
  • 彭其捷 曹伊裴
    博碩文化
    出版日期：2025-07-09
    電子書： NT$ 680

    風靡全球UI/UX設計神器Figma 本書精選70個實作技巧，零基礎上手擬真介面設計 了解Figma實戰基礎與進階技巧 認識Figma環境、社群、外掛、延伸學習資源

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 960

    ★★★★★【內容最紮實、應用最廣】【40個主題】★★★★★ ★★★★★【程式實例最多】【約1280個Python實例】★★★★★ ★★★★★【18大類Python潛在應用】★★★★★ ★★★★★【400個...

    試讀
  • Sam T.
    深智數位股份有限公司
    電子書： NT$ 632

    ★★★《AWS自學聖經》作者Sam T.全新作★★★ ★★★圖解教學★★★ ✦什麼是K8S？ K8S全名為Kubernetes，是一套容器化管理框架，常與Docker等技術一起運用。近年來...

    試讀
  • 張凱慶
    張凱慶
    電子書： NT$ 200

    本書為程式語言 Python 的入門教材，著重於帶領讀者以開發軟體的模式學習 Python 。

    試讀

    • 詳細資訊

    輕鬆簡單的好書，讓你從入門到高手，掌握機器學習及神經網路的數學、理論與實作！
    本書特色
    機器學習唯一的入門書，從完全不懂到開發專案靠這本書就搞定
    充分展現出日本書的細膩流暢又簡單清楚
    想了解機器學習又怕被數學公式轟炸的AI小白最適合
    作者把所有的數學公式都用最簡單的二維平面來處理，是對人腦最直覺的投射
    懶人最愛的程式設計環境，Jupyter Notebook，在瀏覽器中就可以執行神經網路
    高中文組數學程度就可以100%看得懂的Python程式
    雖然簡單但十分詳細的公式推導 L1、L2回歸你我都會用，但這本書卻有完整的來龍去脈，打下神經網路及深度學習的基礎
    無監督學習也有詳細說明，K-means和混合高斯模型
    使用Tensorflow，每一行程式碼都看得懂，完全沒有不必要細節或玩弄技巧

    目錄列表

  • 最新機器學習的教科書
    1. 目錄
      1. 第1章│學習前的準備
        1. 1.1 關於機器學習
          1. 1.1.1 學習機器學習的竅門
          2. 1.1.2 機器學習中問題的分類
          3. 1.1.3 本書的結構
        2. 1.2 安裝Python
        3. 1.3 Jupyter Notebook
          1. 1.3.1 Jupyter Notebook的用法
          2. 1.3.2 輸入Markdown格式文字
          3. 1.3.3 更改檔案名稱
        4. 1.4 安裝Keras和TensorFlow
      2. 第2章│Python基礎知識
        1. 2.1 四則運算
          1. 2.1.1 四則運算的用法
          2. 2.1.2 冪運算
        2. 2.2 變數
          1. 2.2.1 利用變數進行計算
          2. 2.2.2 變數的命名
        3. 2.3 類型
          1. 2.3.1 類型的種類
          2. 2.3.2 檢查類型
          3. 2.3.3 字串
        4. 2.4 print敘述
          1. 2.4.1 print敘述的用法
          2. 2.4.2 同時顯示數值和字串的方法1
          3. 2.4.3 同時顯示數值和字串的方法2
        5. 2.5 list（陣列變數）
          1. 2.5.1 list的用法
          2. 2.5.2 二維陣列
          3. 2.5.3 創建連續的整數陣列
        6. 2.6 tuple（陣列）
          1. 2.6.1 tuple 的用法
          2. 2.6.2 讀取元素
          3. 2.6.3 長度為1的tuple
        7. 2.7 if敘述
          1. 2.7.1 if敘述的用法
          2. 2.7.2 比較運算子
        8. 2.8 for敘述
          1. 2.8.1 for敘述的用法
          2. 2.8.2 enumerate的用法
        9. 2.9 向量
          1. 2.9.1 NumPy的用法
          2. 2.9.2 定義向量
          3. 2.9.3 讀取元素
          4. 2.9.4 替換元素
          5. 2.9.5 創建連續整數的向量
          6. 2.9.6 ndarray的注意事項
        10. 2.10 矩陣
          1. 2.10.1 定義矩陣
          2. 2.10.2 矩陣的大小
          3. 2.10.3 讀取元素
          4. 2.10.4 替換元素
          5. 2.10.5 生成元素為0和1的ndarray
          6. 2.10.6 生成元素隨機的矩陣
          7. 2.10.7 改變矩陣的大小
        11. 2.11 矩陣的四則運算
          1. 2.11.1 矩陣的四則運算
          2. 2.11.2 純量×矩陣
          3. 2.11.3 算術函數
          4. 2.11.4 計算矩陣乘積
        12. 2.12 切片
        13. 2.13 替換滿足條件的資料
        14. 2.14 help
        15. 2.15 函數
          1. 2.15.1 函數的用法
          2. 2.15.2 參數與傳回值
        16. 2.16 保存檔案
          1. 2.16.1 保存一個ndarray類型變數
          2. 2.16.2 保存多個ndarray類型變數
      3. 第3章│資料視覺化
        1. 3.1 繪製二維圖形
          1. 3.1.1 繪製隨機圖形
          2. 3.1.2 程式清單的格式
          3. 3.1.3 繪製三次函數f(x) = (x-2)x(x+2)
          4. 3.1.4 確定繪製範圍
          5. 3.1.5 繪製圖形
          6. 3.1.6 裝飾圖形
          7. 3.1.7 並列顯示多張圖形
        2. 3.2 繪製三維圖形
          1. 3.2.1 包含兩個變數的函數
          2. 3.2.2 用顏色表示數值：pcolor
          3. 3.2.3 繪製三維圖形：surface
          4. 3.2.4 繪製等高線：contour
      4. 第4章│機器學習中的數學
        1. 4.1 向量
          1. 4.1.1 什麼是向量
          2. 4.1.2 用Python定義向量
          3. 4.1.3 列向量的表示方法
          4. 4.1.4 轉置的表示方法
          5. 4.1.5 加法和減法
          6. 4.1.6 純量積
          7. 4.1.7 內積
          8. 4.1.8 向量的模
        2. 4.2 求和符號
          1. 4.2.1 附有求和符號的數學式的變形
          2. 4.2.2 透過內積求和
        3. 4.3 累乘符號
        4. 4.4 導數
          1. 4.4.1 多項式的導數
          2. 4.4.2 帶導數符號的數學式的變形
          3. 4.4.3 複合函數的導數
          4. 4.4.4 複合函數的導數：連鎖律
        5. 4.5 偏導數
          1. 4.5.1 什麼是偏導數
          2. 4.5.2 偏導數的圖形
          3. 4.5.3 繪製梯度的圖形
          4. 4.5.4 多變數的複合函數的偏導數
          5. 4.5.5 交換求和與求導的順序
        6. 4.6 矩陣
          1. 4.6.1 什麼是矩陣
          2. 4.6.2 矩陣的加法和減法
          3. 4.6.3 純量積
          4. 4.6.4 矩陣的乘積
          5. 4.6.5 單位矩陣
          6. 4.6.6 反矩陣
          7. 4.6.7 轉置
          8. 4.6.8 矩陣和聯立方程式
          9. 4.6.9 矩陣和映射
        7. 4.7 指數函數和對數函數
          1. 4.7.1 指數
          2. 4.7.2 對數
          3. 4.7.3 指數函數的導數
          4. 4.7.4 對數函數的導數
          5. 4.7.5 Sigmoid函數
          6. 4.7.6 Softmax函數
          7. 4.7.7 Softmax函數和Sigmoid函數
          8. 4.7.8 高斯函數
          9. 4.7.9 二維高斯函數
      5. 第5章│監督學習：回歸
        1. 5.1 一維輸入的直線模型
          1. 5.1.1 直線模型
          2. 5.1.2 平方誤差函數
          3. 5.1.3 求參數（梯度法）
          4. 5.1.4 直線模型參數的解析解
        2. 5.2 二維輸入的平面模型
          1. 5.2.1 資料的表示方法
          2. 5.2.2 平面模型
          3. 5.2.3 平面模型參數的解析解
        3. 5.3 D維線性回歸模型
          1. 5.3.1 D維線性回歸模型
          2. 5.3.2 參數的解析解
          3. 5.3.3 擴充到不通過原點的平面
        4. 5.4 線性基底函數模型
        5. 5.5 過擬合問題
        6. 5.6 新模型的生成
        7. 5.7 模型的選擇
        8. 5.8 小結
      6. 第6章│監督學習：分類
        1. 6.1 一維輸入的二元分類
          1. 6.1.1 問題設定
          2. 6.1.2 使用機率表示類別分類
          3. 6.1.3 最大似然估計
          4. 6.1.4 邏輯回歸模型
          5. 6.1.5 交叉熵誤差
          6. 6.1.6 學習法則的推導
          7. 6.1.7 透過梯度法求解
        2. 6.2 二維輸入的二元分類
          1. 6.2.1 問題設定
          2. 6.2.2 邏輯回歸模型
        3. 6.3 二維輸入的三元分類
          1. 6.3.1 三元分類邏輯回歸模型
          2. 6.3.2 交叉熵誤差
          3. 6.3.3 透過梯度法求解
      7. 第7章│神經網路與深度學習
        1. 7.1 神經元模型
          1. 7.1.1 神經細胞
          2. 7.1.2 神經元模型
        2. 7.2 神經網路模型
          1. 7.2.1 二層前饋神經網路
          2. 7.2.2 二層前饋神經網路的實現
          3. 7.2.3 數值導數法
          4. 7.2.4 透過數值導數法應用梯度法
          5. 7.2.5 誤差反向傳播法
          6. 7.2.6 求∂E/∂vkj
          7. 7.2.7 求∂E/∂wji
          8. 7.2.8 誤差反向傳播法的實現
          9. 7.2.9 學習後的神經元的特性
        3. 7.3 使用Keras實現神經網路模型
          1. 7.3.1 二層前饋神經網路
          2. 7.3.2 Keras的使用流程
      8. 第8章│神經網路與深度學習的應用（手寫數字辨識）
        1. 8.1 MINST資料集
        2. 8.2 二層前饋神經網路模型
        3. 8.3 ReLU啟動函數
        4. 8.4 空間篩檢程式
        5. 8.5 卷積神經網路
        6. 8.6 池化
        7. 8.7 Dropout
        8. 8.8 融合了各種特性的MNIST辨識網路模型
      9. 第9章│無監督學習
        1. 9.1 二維輸入資料
        2. 9.2 K-means演算法
          1. 9.2.1 K-means演算法的概要
          2. 9.2.2 步驟0：準備變數與初始化
          3. 9.2.3 步驟1：更新R
          4. 9.2.4 步驟2：更新μ
          5. 9.2.5 失真度量
        3. 9.3 混合高斯模型
          1. 9.3.1 以機率為基礎的聚類
          2. 9.3.2 混合高斯模型
          3. 9.3.3 EM演算法的概要
          4. 9.3.4 步驟0：準備變數與初始化
          5. 9.3.5 步驟1（步驟E）：更新γ
          6. 9.3.6 步驟2（步驟M）：更新π、μ和Σ
          7. 9.3.7 似然
      10. 第10章│本書小結

    購買說明

    根據台灣現行法規，數位內容（ 如電子書、音樂、影片、遊戲、App ）形式之商品，不受「網購服務需提供七日鑑賞期」的限制。為維護您的權益，建議您先使用「試讀」功能後再付款購買。

    作者其他作品

    記憶的技術

    精準閱讀

    MORE
    出版社簡介
    深智數位股份有限公司
    出版社作品

    Vibe Coding－Python超級入門：ChatGPT x Codex

    AI Agent智能工作流：設計與自動化全實戰

    Python 大數據專案×工程×產品：資料工程師的升級攻略

    更多出版社作品
    試讀