本書采用獨創的黑箱模式，MBA案例教學機制，結合一線實戰案例，介紹Sklearn人工智能模塊庫和常用的機器學習算法。書中配備大量圖表說明，沒有枯燥的數學公式，普通讀者，只要懂Word、Excel，就能夠輕松閱讀全書，並學習使用書中的知識，分析大數據。
本書具有以下特色：獨創的黑箱教學模式，全書無任何抽象理論和深奧的數學公式。首次系統化融合Sklearn人工智能軟件和Pandas數據分析軟件，不用再直接使用復雜的Numpy數學矩陣模塊。系統化的Sklearn函數和API中文文檔，可作為案頭工具書隨時查閱。基於Sklearn+Pandas模式，無須任何理論基礎，全程采用MBA案例模式，懂Excel就可看懂。
何海群，網名：字王，CHRD前海智庫CTO，《中華大字庫》發明人，出版書籍20余部，在人工智能、數據分析等方面具有20年一線專業經驗；zwPython開發平台、zwQuant量化軟件設計師，中國「Python創客」項目和「Python產業聯盟」發起人，國內首個Python量化課程：《Python量化實盤·魔鬼訓練營》創始人，極寬量化開源團隊的創始人。1990年，發明國內第一個VR數據手套並獲得專利授權，被業界稱為「中國VR之父」；1992年，論文《人工智能與中文字型設計》入選《廣東青年科學家文集》，現已成為中文字庫行業三大基礎建模理論之一；1997年，出版國內首部網絡經濟專著《網絡商戰》；2008年，在北京聯合創辦國內首家4A級網絡公關公司，服務過200余家國際五百強企業，被公關協會譽為：中國網絡公關事業的開創者與啟蒙者；2012年，發布國內首個自主研發的智能中文字庫設計軟件《x2ttf塗鴉造字》，全功能全免費公益軟件；2016年，推出國內首套純python開源量化軟件：zwQuant，以及國內首個Tick級別開源金融大數據項目：zwDat金融數據包。研究成果有：「小數據」理論，快數據模型，黑天鵝算法，GPU超算工作站、MTRD多節點超算集群算法、「1+N」網絡傳播模型、人工智能「足彩圖靈法則」等。
| FindBook |
有 1 項符合
零起點Python機器學習快速入門的圖書 |
| 圖書選購 |
| 型式 | 價格 | 供應商 | 所屬目錄 | $ 179 |
 五南文化廣場網路書店 |
社會人文 |
|---|
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：零起點Python機器學習快速入門
內容簡介
目錄
第1章 從阿爾法狗開始說起
1.1 阿爾法狗的前世今生
1.2 機器學習是什麼
1.3 機器學習大史記
1.4 機器學習經典案例
第2章 開發環境
2.1 數據分析首選 Python
2.2 用戶運行平台
2.3 程序目錄結構
2.4 Spyder 編輯器界面設置
2.5 Python 命令行模式
2.6 Notebook 模式
2.7 模塊庫控制面板
2.8 使用 pip 更新模塊庫
第3章 Python 入門案例
3.1 案例 3-1：第一次編程「hello,ziwang」
3.2 案例 3-2：增強版「hello,zwiang」
3.3 案例 3-3：列舉系統模塊庫清單
3.4 案例 3-4：常用繪圖風格
3.5 案例 3-5：Pandas 常用繪圖風格
3.6 案例 3-6：常用顏色表 cors
3.7 案例源碼
第4章 Python 基本語法
4.1 數據類型
案例 4-1：基本運算
4.2 字符串
案例 4-2：字符串入門
案例 4-3：字符串常用方法
4.3 List 列表
案例 4-4：列表操作
4.4 Tuple 元組
案例 4-5：元組操作
4.5 Dictionary 字典
案例 4-6：字典操作
4.6 數據類型轉換
案例 4-7：控制語句
案例 4-8：函數定義
4.7 案例源碼
第5章 Python 人工智能入門與實踐
5.1 從忘卻開始
5.2 Iris 經典愛麗絲
案例 5-1：Iris 愛麗絲
案例 5-2：愛麗絲進化與文本矢量化
5.3 AI 操作流程
5.4 數據切割函數
案例 5-3：Iris 愛麗絲分解
案例 5-4：線性回歸算法
5.5 案例源碼
第6章 機器學習經典算法案例（上）
6.1 線性回歸
6.2 邏輯回歸算法
案例 6-1：邏輯回歸算法
6.3 朴素貝葉斯算法
案例 6-2：貝葉斯算法
6.4 KNN 近鄰算法
案例 6-3：KNN 近鄰算法
6.5 隨機森林算法
案例 6-4：隨機森林算法
6.6 案例源碼
第7章 機器學習經典算法案例（下）
7.1 決策樹算法
案例 7-1：決策樹算法
7.2 GBDT 迭代決策樹算法
案例 7-2：GBDT 迭代決策樹算法
7.3 SVM 向量機
案例 7-3：SVM 向量機算法
7.4 SVM-cross 向量機交叉算法
案例 7-4：SVM-cross 向量機交叉算法
7.5 神經網絡算法
案例 7-5：MLP 神經網絡算法
案例 7-6：MLP_reg 神經網絡回歸算法
7.6 案例源碼
第8章 機器學習組合算法
8.1 CCPP 數據集
案例 8-1：CCPP 數據集
案例 8-2：CCPP 數據切割
案例 8-3：讀取 CCPP 數據集
8.2 機器學習統一接口函數
案例 8-4：機器學習統一接口
案例 8-5：批量調用機器學習算法
案例 8-6：一體化調用
8.3 模型預制與保存
案例 8-7：儲存算法模型
案例 8-8：批量儲存算法模型
案例 8-9：批量加載算法模型
案例 8-10：機器學習組合算法
8.4 案例源碼
附錄 A Sklearn 常用模塊和函數
附錄 B 極寬量化系統模塊圖
1.1 阿爾法狗的前世今生
1.2 機器學習是什麼
1.3 機器學習大史記
1.4 機器學習經典案例
第2章 開發環境
2.1 數據分析首選 Python
2.2 用戶運行平台
2.3 程序目錄結構
2.4 Spyder 編輯器界面設置
2.5 Python 命令行模式
2.6 Notebook 模式
2.7 模塊庫控制面板
2.8 使用 pip 更新模塊庫
第3章 Python 入門案例
3.1 案例 3-1：第一次編程「hello,ziwang」
3.2 案例 3-2：增強版「hello,zwiang」
3.3 案例 3-3：列舉系統模塊庫清單
3.4 案例 3-4：常用繪圖風格
3.5 案例 3-5：Pandas 常用繪圖風格
3.6 案例 3-6：常用顏色表 cors
3.7 案例源碼
第4章 Python 基本語法
4.1 數據類型
案例 4-1：基本運算
4.2 字符串
案例 4-2：字符串入門
案例 4-3：字符串常用方法
4.3 List 列表
案例 4-4：列表操作
4.4 Tuple 元組
案例 4-5：元組操作
4.5 Dictionary 字典
案例 4-6：字典操作
4.6 數據類型轉換
案例 4-7：控制語句
案例 4-8：函數定義
4.7 案例源碼
第5章 Python 人工智能入門與實踐
5.1 從忘卻開始
5.2 Iris 經典愛麗絲
案例 5-1：Iris 愛麗絲
案例 5-2：愛麗絲進化與文本矢量化
5.3 AI 操作流程
5.4 數據切割函數
案例 5-3：Iris 愛麗絲分解
案例 5-4：線性回歸算法
5.5 案例源碼
第6章 機器學習經典算法案例（上）
6.1 線性回歸
6.2 邏輯回歸算法
案例 6-1：邏輯回歸算法
6.3 朴素貝葉斯算法
案例 6-2：貝葉斯算法
6.4 KNN 近鄰算法
案例 6-3：KNN 近鄰算法
6.5 隨機森林算法
案例 6-4：隨機森林算法
6.6 案例源碼
第7章 機器學習經典算法案例（下）
7.1 決策樹算法
案例 7-1：決策樹算法
7.2 GBDT 迭代決策樹算法
案例 7-2：GBDT 迭代決策樹算法
7.3 SVM 向量機
案例 7-3：SVM 向量機算法
7.4 SVM-cross 向量機交叉算法
案例 7-4：SVM-cross 向量機交叉算法
7.5 神經網絡算法
案例 7-5：MLP 神經網絡算法
案例 7-6：MLP_reg 神經網絡回歸算法
7.6 案例源碼
第8章 機器學習組合算法
8.1 CCPP 數據集
案例 8-1：CCPP 數據集
案例 8-2：CCPP 數據切割
案例 8-3：讀取 CCPP 數據集
8.2 機器學習統一接口函數
案例 8-4：機器學習統一接口
案例 8-5：批量調用機器學習算法
案例 8-6：一體化調用
8.3 模型預制與保存
案例 8-7：儲存算法模型
案例 8-8：批量儲存算法模型
案例 8-9：批量加載算法模型
案例 8-10：機器學習組合算法
8.4 案例源碼
附錄 A Sklearn 常用模塊和函數
附錄 B 極寬量化系統模塊圖
|
