熱門關鍵字:

BN說明

機器學習實務|資料科學工作流程與應用程式開發及最佳化

  • 館長推薦
? 快來將您對閱讀的熱情和對書籍的想法分享給所有讀友,每完成一篇讀者書評並審核通過者,即可獲得讀者書評點數,點數還可換電子禮券唷!
分享:
版本:

商品訊息

  • 追蹤分類 ? 追蹤分類後,您會在第一時間收到分類新品通知。
  • 作者: Andrew Kelleher等 追蹤作者 ? 追蹤作者後,您會在第一時間收到作者新書通知。
  • 出版社: 碁峰資訊 追蹤出版社 ? 追蹤出版社後,您會在第一時間收到出版社新書通知。
  • 出版日:2019/11/12
  • ISBN:9789865023089
  • 適讀年齡:全齡適讀
  • 定價: 580
  • 特價: 79 458
  • 紅利可抵: 14 ? 除單一商品售價低於50元或特價折扣低於3折(含)以下者,其餘商品均可使用紅利點數。
  • 到店取貨: ? 『金石堂』門市取貨免運費。
    『全家、OK、萊爾富、掌櫃』滿350元,免運費;350元以下,運費20元。
    宅配: ? 滿1,000元,免運費
    490元-999元,運費50元
    490元以下,運費65元
  • 配送地區: 全球、 香港OK、 台澎金馬
  • 付款方式: ATM、 信用卡、 LINE Pay、 街口帳戶支付、 貨到付款、 PayPal、 FamiPort、 取貨付款
  • 預計 2019/12/11 出貨 參考庫存量:8 查詢門市庫存 ? 若您欲在金石堂門市購買商品,請選擇欲查看庫存之門市。網頁之「庫存狀態」僅供參考,實際貨況以門市為準。

強力推薦

內容簡介

“這本書介紹機器學習與資料科學,聯結工程師與資料科學家,協助將相關技術應用在實務,確保你的投入能真正解決問題,以及提供實際應用時的最佳化技巧。”
-摘自系列編輯Paul Dix的序

成功資料科學專案的實務技巧

本書是資料科學與機器學習從業者解決實務問題技術的速成課。作者Andrew與Adam展示如何快速的產出重要結果;持續讓投資報酬率最大化;避免過度期待的工具與不必要的複雜性;以最簡單、最低風險的方式完成工作。

作者以豐富的經驗幫助你提出實用並完整的執行方案,透過直接查詢、聚合、視覺化進行工作,教授不可或缺的錯誤分析方法以避免錯誤的結論。內容涵蓋了線性回歸、分類、聚類、貝葉斯推理等機器學習技術,幫助你為每個專案選擇正確的演算法。有關硬體、基礎設施、分散式系統的結論為實務環境最佳化提供寶貴的參考指南。

‧利用敏捷方法聚焦於專案的小範圍與有效開發
‧以Python實務範例學習
‧由簡單的啟發開始,隨著資料管道的成熟而改善
‧以基本的資料視覺化技術展示成果
‧掌握線性廻歸、隨機森林、分類、群集、過適等關鍵機器學習技術
‧學習基本圖模型與貝葉斯推斷
‧認識機器學習模型中的關聯與因果

作者

Andrew Kelleher

是Venmo的軟體工程師與分散式系統架構師,曾經任職於BuzzFeed,負責資料管道與演算法實作的最佳化。

Adam Kelleher

在擔任BuzzFeed的首席資料科學家與哥倫比亞大學的兼任教授時寫作本書。他於2018年五月擔任Barclays的首席資料科學家並在哥大教授因果論與機器學習。

目錄


 前言
 關於作者

【PART I 基本結構】

chapter 01 資料科學家的角色
  1.1 介紹
  1.2 資料科學家的角色
  1.3 結論

chapter 02 專案工作流程
  2.1 介紹
  2.2 資料團隊背景
  2.3 敏捷開發與產品專注
  2.4 結論

chapter 03 誤差量化
  3.1 介紹
  3.2 量化測量值誤差
  3.3 採樣誤差
  3.4 誤差傳播
  3.5 結論

chapter 04 資料編碼與預處理
  4.1 介紹
  4.2 簡單文字處理
  4.3 資訊損失
  4.4 結論

chapter 05 假設檢定
  5.1 介紹
  5.2 何謂假設?
  5.3 誤差類型
  5.4 P 值與信賴區間
  5.5 多重測試與 "P-hacking"
  5.6 範例
  5.7 規劃與背景
  5.8 結論

chapter 06 資料視覺化
  6.1 介紹
  6.2 分佈與摘要統計
  6.3 時間序列圖
  6.4 圖視覺化
  6.5 結論

【PART II 演算法與架構】

chapter 07 演算法與架構
  7.1 介紹
  7.2 架構
  7.3 模型
  7.4 結論

chapter 08 比較
  8.1 介紹
  8.2 Jaccard 距離
  8.3 MinHash
  8.4 Cosine 相似度
  8.5 馬氏距離
  8.6 結論

chapter 09 迴歸
  9.1 介紹
  9.2 線性最小平方
  9.3 線性迴歸的非線性迴歸
  9.4 隨機森林
  9.5 結論

chapter 10 分類與群集
  10.1 介紹
  10.2 邏輯迴歸
  10.3 貝葉斯推論,單純貝葉斯
  10.4 K 平均
  10.5 領先特徵向量
  10.6 貪婪 Louvain
  10.7 最近鄰居
  10.8 結論

chapter 11 貝葉斯網路
  11.1 介紹
  11.2 因果圖、條件獨立、Markovity
  11.3 D 分離與 Markov 性質
  11.4 貝葉斯網路因果圖
  11.5 模型適配
  11.6 結論

chapter 12 降維與潛在變項模型
  12.1 介紹
  12.2 先驗
  12.3 因素分析
  12.4 主成分分析
  12.5 獨立成分分析
  12.6 隱含狄利克雷分布
  12.7 結論

chapter 13 因果推論
  13.1 介紹
  13.2 實驗
  13.3 觀察:一個例子
  13.4 控制阻斷非因果路徑
  13.5 機器學習估計量
  13.6 結論

chapter 14 進階機器學習
  14.1 介紹
  14.2 最佳化
  14.3 神經網路
  14.4 結論

【PART III 瓶頸與最佳化】

chapter 15 硬體基礎知識
  15.1 介紹
  15.2 隨機存取記憶體
  15.3 非揮發性/固定儲存
  15.4 吞吐量
  15.5 處理器
  15.6 結論

chapter 16 軟體基礎知識
  16.1 介紹
  16.2 換頁
  16.3 編索引
  16.4 顆粒度
  16.5 強固性
  16.6 擷取、轉換、載入
  16.7 結論

chapter 17 軟體架構
  17.1 介紹
  17.2 主從架構
  17.3 N 層/服務導向架構
  17.4 微服務
  17.5 一大塊
  17.6 實際案例(混合架構)
  17.7 結論

chapter 18 CAP 定理
  18.1 介紹
  18.2 一致性/同時性
  18.3 可用性
  18.4 分割容錯
  18.5 結論

chapter 19 邏輯網路拓撲節點
  19.1 介紹
  19.2 網路圖
  19.3 負載平衡
  19.4 快取
  19.5 資料庫
  19.6 佇列
  19.7 結論

 參考書目
 索引

詳細資料

詳細資料

    • 編/譯者
    • 楊尊一
    • 語言
    • 中文繁體
    • 規格
    • 紙本平裝
    • ISBN
    • 9789865023089
    • 分級
    • 普通級
    • 開數
    • 18開17*23cm
    • 頁數
    • 296
    • 出版地
    • 台灣
    • 適讀年齡
    • 全齡適讀

訂購須知

下載『金石堂APP』並開啟推播設定,隨時掌握出貨動態:

Google play
App Store

    商品運送說明:

  • 本公司所提供的產品配送區域範圍目前僅限台灣本島。注意!收件地址請勿為郵政信箱。
  • 商品將由廠商透過貨運或是郵局寄送。消費者訂購之商品若無法送達,經電話或 E-mail無法聯繫逾三天者,本公司將取消該筆訂單,並且全額退款。
  • 當廠商出貨後,您會收到E-mail及APP出貨通知,您也可透過【訂單查詢】確認出貨情況。
  • 建議您可下載『金石堂APP』並開啟推播設定,即可收到出貨通知。
  • 產品顏色可能會因網頁呈現與拍攝關係產生色差,圖片僅供參考,商品依實際供貨樣式為準。
  • 如果是大型商品(如:傢俱、床墊、家電、運動器材等)及需安裝商品,請依商品頁面說明為主。訂單完成收款確認後,出貨廠商將會和您聯繫確認相關配送等細節。
  • 偏遠地區、樓層費及其它加價費用,皆由廠商於約定配送時一併告知,廠商將保留出貨與否的權利。

提醒您!!
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機,請不要聽從指示,以免受騙上當!

退換貨須知

  • 依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」,以下商品購買後,除商品本身有瑕疵外,將不提供7天的猶豫期:
    1. 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮食品)
    2. 依消費者要求所為之客製化給付。(客製化商品)
    3. 報紙、期刊或雜誌。(含MOOK、外文雜誌)
    4. 經消費者拆封之影音商品或電腦軟體。
    5. 非以有形媒介提供之數位內容或一經提供即為完成之線上服務,經消費者事先同意始提供。(如:電子書、電子雜誌、下載版軟體、虛擬商品…等)
    6. 已拆封之個人衛生用品。(如:內衣褲、刮鬍刀、除毛刀…等)
  • 若非上列種類商品,均享有到貨7天的猶豫期(含例假日)。
  • 辦理退換貨時,商品(組合商品恕無法接受單獨退貨)必須是您收到商品時的原始狀態(包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等),請勿直接使用原廠包裝寄送,或於原廠包裝上黏貼紙張或書寫文字。
  • 退回商品若無法回復原狀,將請您負擔回復原狀所需費用,嚴重時將影響您的退貨權益。
預計 2019/12/11 出貨 參考庫存量:8 查詢門市庫存?

34