作者簡介
秋庭伸也
2012年畢業於早稻田大學基礎理工學院
2015年畢業於早稻田大學理工學術院基礎理工學研究科機械科學專攻碩士班
現為Recruit Communications股份有限公司技術長
杉山阿聖
曾任職於某製造業旗下之資訊子公司,iOS App開發資歷3年、聊天機器人開發資歷2年。
現於SENSY股份有限公司擔任市場分析研究員,將機器學習運用於業務中。
樂於參加工程師讀書會、發表演說。
寺田學
・CMS Communications股份有限公司董事長
・一般社團法人PyCon JP 代表理事
・Plone Foundation Ambassador
・一般社團法人Python工程師培育推廣協會 顧問理事
・PSF(Python Software Foundation) Contributing members
協助建構Python Web相關業務並提供諮詢。2010年起積極參與日本國內之Python社群,致力發展PyCon JP。2013年3月擔任一般社團法人PyCon JP之代表理事,同時也在OSS相關社群擔任版主或工作人員。
擔任一般社團法人Python工程師培育推廣協會顧問理事,積極推廣Python教育。
為了向人們傳達Python的魅力,近期致力於擔任講師,教導初學者機器學習領域的Python。
共著作品有《使用Python之最新資料分析教科書》,審定作品有《輕鬆了解Python》,文章散見於各處。
監修者簡介
加藤公一
Silver Egg Technology股份有限公司首席科學家。主要從事推薦系統(Recommendation System)相關之研究開發,尤其擅長機器學習演算法之設計和實作。資訊工程博士。
著有《機器學習的精華》。
審定者簡介
王立綸
美國伊利諾大學香檳分校電腦科學博士,Google Research軟體工程師。
李重毅
台大資訊系畢,Google Ads軟體工程師。
馮俊菘
台大資訊系畢,Google Research軟體工程師。
蔡明亨
台大資訊系畢,Google Research軟體工程師。
譯者簡介
周若珍
日文教師,日文翻譯。對教育充滿熱忱,並從事各領域的口筆譯工作。
深愛動物,支持以領養代替購買,以結紮代替撲殺。
FB粉絲頁「なるみの楽しい日本語教室」:facebook.com/narumi.nihongo
好評推薦
推薦序 兼具實作與理論的機器學習實用指南/蔡明亨
前言 把機器學習化繁為簡的圖鑑大全
本書使用方法
第1章 機器學習的基礎
1.1 機器學習的概要
何謂機器學習
機器學習的種類
機器學習的應用
1.2 機器學習的主要步驟
資料的重要性
監督式學習(分類)範例
實作
非監督式學習(分群)範例
視覺化
圖的種類與繪製方法:使用Matplotlib繪圖
使用pandas分析並處理資料
小結
第2章 監督式學習
01 線性迴歸
02 正則化
03 羅吉斯迴歸
04 支持向量機
05 支持向量機(Kernel法)
06 單純貝氏分類器
07 隨機森林
08 類神經網路
09 kNN
第3章 非監督式學習
10 PCA
11 LSA
12 NMF
13 LDA
14 k-means分群法
15 高斯混合分布
16 LLE
17 t-SNE
第4章 評估方法及各種資料的運用
4.1 評估方法
監督式學習的評估
分類問題的評估方法
迴歸問題的評估方法
均方誤差與決定係數的差異
使用不同演算法時的差異
超參數的設定
模型的過度擬合
防止過度擬合的方法
訓練資料與測試資料的切分
交叉驗證
超參數的搜尋
4.2 文字資料的轉換處理
透過詞彙計數進行轉換
透過TF-IDF進行轉換
套用機器學習模型
4.3 圖像資料的轉換處理
將畫素資訊直接視為數值
輸入轉換後的向量資料,套用機器學習模型
第5章 環境設置
5.1 安裝Python3
Windows
macOS
Linux
使用Anaconda在Windows安裝
5.2 虛擬環境
使用官方安裝程式的使用者
使用Anaconda安裝程式的使用者
5.3 安裝套件
何謂第三方套件
安裝套件
附錄
方程式說明
專有名詞說明
參考文獻