人工智慧正在快速改變我們的世界!面對這項技術革新,如何有效學習並保持競爭力是急需關注的議題,有鑑於此,筆者將多年的實務與教學經驗撰寫成冊,以協助讀者能更有效的學習人工智慧。
本書以深入淺出的方式介紹26個經典人工智慧演算法,並以生活化案例引導讀者體會其中的巧思,期望讀者能在閱讀本書後,將人工智慧廣泛應用在各個領域中。
◎本書專屬網站:www.bestaibook.com
作者簡介:
陳永維 Frank Chen
台灣大學電機系博士,在「電腦視覺」與「量化交易」等領域擁有超過10年的專業經驗。目前替大型金融機構開發理財機器人(Robo-Advisor)產品,並從事人工智慧的教學工作。
個人官網:www.frank.vip
李厚均 Isaac Lee
知名人工智慧講師,科技業資深軟體工程師,專精於「機器學習」與「深度學習」的理論與應用。
個人官網:www.isaaclee.vip
美編設計
廖翔政 Yoshi Liao
IOT新創公司UI設計師、前端工程師,專精於APP介面設計與web前端程式開發,並從事插畫相關創作。
個人官網:www.yoshigraphics.com
目錄
00 人工智慧與機器學習
01 K近鄰
02 多項樸素貝葉斯
03 線性迴歸
04 局部加權線性迴歸
05 邏輯迴歸
06 彈性網路
07 分類迴歸樹
08 反覆運算二叉樹
09 C4.5
10 自適應增強
11 隨機森林
12 極限梯度提升
13 支持向量機
14 K均值
15 階層式分群
16 DBSCAN
17 最大期望演算法
18 深度神經網路
19 卷積神經網路
20 循環神經網路
21 生成對抗網路
22 Q-learning
23 主成分分析
24 奇異值分解
25 先驗演算法
26 頻繁模式樹
00 人工智慧與機器學習
01 K近鄰
02 多項樸素貝葉斯
03 線性迴歸
04 局部加權線性迴歸
05 邏輯迴歸
06 彈性網路
07 分類迴歸樹
08 反覆運算二叉樹
09 C4.5
10 自適應增強
11 隨機森林
12 極限梯度提升
13 支持向量機
14 K均值
15 階層式分群
16 DBSCAN
17 最大期望演算法
18 深度神經網路
19 卷積神經網路
20 循環神經網路
21 生成對抗網路
22 Q-learning
23 主成分分析
24 奇異值分解
25 先驗演算法
26 頻繁模式樹