. TQC+ Python3.x 機器學習基礎與應用特訓教材
                                                                      
 
 
 
 

TQC+ Python3.x 機器學習基礎與應用特訓教材 
作者: 林英志 編著.財團法人中華民國電腦技能基金會 總策劃
書號: AEY042500     出版日: 2021/03/19
ISBN: 9789865027599     EAN: 9789865027599
紙本書價格: 590     附件:  線上下載
電子書: 尚未出版
試讀  
  博客來  
  金石堂  
  天瓏  
  MOMO  
  團體購書



回頁首
本書遵循專業考科「TQC+ 人工智慧:機器學習Python 3」技能規範架構撰寫,符合鑑定的命題趨勢。

1.內容由淺入深,採循序漸進的方式建立您運用機器學習解決問題的基本概念,達到技術的傳承及表達,符合實務運用需求。
2.本書共有七個章節,包含「Python與機器學習」、「數據前處理」、「監督式學習:迴歸」、「監督式學習:分類」、「模型擬合、評估與超參數調校」、「非監督式學習:降維與分群」、「集成學習」、「機器學習應用」,帶領讀者快速從資料中自動分析獲得規律,並利用規律對未知資料進行預測與分類,是為實現人工智慧:機器學習實際表現之最佳讀本。
3.題庫練習 歡迎到雲端練功坊(https://cloud.csf.org.tw)來充電、練功。
4.配合中華民國電腦技能基金會(https://www.csf.org.tw)測驗,一舉取得專業證照,讓您求學、求職更具競爭力。


回頁首
機器學習是實現人工智慧的一個途徑,而它已經開始改變了整個科技產業,隨著行動雲端、物聯網等新穎科技,持續對科技產業帶來破壞式創新。而面對未來快速變化的社會,欲解決複雜問題,必須運算思維結合工程的務實與效率及數理方面的抽象邏輯思考。然而Python程式語言,簡潔易讀的特性,正是非常適合來建構機器學習,機器學習可從資料中自動分析獲得規律,並利用規律對未知資料進行預測與分類,而在生活日益科技化與自動化的時代,如何讓機器能更精準、更有效率且更有智慧地替人們工作是相當重要的課題,本書亦將帶領我們更接近實現人工智慧實際表現最好的方法。

有鑑於此,本會為提供學習者更完整的軟體設計領域教材,特別聘請逢甲大學-林英志副教授著手策畫並完成本教材「Python3.x 機器學習基礎與應用特訓教材」之編著。作者在AI領域有豐富的教學經驗,將帶領您由零學起,掌握人工智慧-機器學習實務應用技術,並將「人工智慧:機器學習Python 3」認證之三大類別「監督式學習基礎與應用」、「非監督式學習基礎與應用」、「機器學習應用」的技能規範融入當中,採循序漸進的方式,完整的編寫在七個章節中,由淺入深建立您運用機器學習解決問題的基本概念,您只要按照本書之引導,按部就班的演練,定能將其化成心法與實戰技能,融會貫通並運用得淋漓盡致。

建議讀者在經過一段時間的學習之後,報考並取得TQC+ 軟體設計領域「人工智慧:機器學習Python 3」認證,為自己開創更多職場機會。在激烈的職場競爭中,成功的秘訣在於個人專業能力及對工作的責任感,擁有機器學習技術由資料中學習建立模型,進行分類、預測以解決問題,逐步邁向人工智慧實用學習技術,提高自我洞察力、反應力,可保障您在專業及就業上的競爭力,並在就業市場上搶得先機。

財團法人中華民國電腦技能基金會
董事長 杜全昌


回頁首

Chapter 0 Python與機器學習
0-1 Python發展與編寫環境
0-2 機器學習
0-3 機器學習使用Python
0-4 基礎數學與Python實作
0-5 小結
綜合範例

Chapter 1 數據前處理
1-1 數據類型
1-2 遺漏值
1-3 切割數據集
1-4 異常值
1-5 選取重要特徵
1-6 小結
綜合範例

Chapter 2 監督式學習:迴歸
2-1 線性迴歸
2-2 評估迴歸模型的效能
2-3 正規化的迴歸
2-4 處理非線性關係
2-5 小結
綜合範例

Chapter 3 監督式學習:分類
3-1 迴歸vs分類
3-2 評估分類器的效能
3-3 邏輯斯迴歸
3-4 支援向量機
3-5 簡單貝氏分類器
3-6 決策樹
3-7 k最近鄰
3-8 小結
綜合範例

Chapter 4 模型擬合、評估與超參數調校
4-1 工作流程管道化
4-2 過擬合與欠擬合
4-3 評估模型效能
4-4 調校超參數
4-5 處理類別不平衡
4-6 小結
綜合範例

Chapter 5 非監督式學習:降維與分群
5-1 主成份分析降維
5-2 k-means分群
5-3 階層式分群
5-4 DBSCAN分群
5-5 鄰近傳播分群
5-6 小結
綜合範例

Chapter 6 集成學習
6.1 以袋裝法集思廣益
6.2 以提升法互補有無
6.3 以堆疊法兼容並蓄

Chapter 7 機器學習應用
7.1 自然語言處理
7.2 序列資料處理

回頁首

Python 3.x程式語言特訓教材(第二版) Python 3.x 網頁資料擷取與分析特訓教材

僅提供已加入碁峰會員之教師申請任教科目之教師資源:教學投影片、習題解答、教學樣書、線上測驗系統…,若申請未任教科目之教學資源,碁峰保有核發與否之權利。
若您已是碁峰教師會員,請直接於左方 教師登入區 輸入帳號密碼。
若您尚未加入會員,請先 加入會員,即可享有多項教師專屬服務。
遍佈北中南,陣容堅強的碁峰業務團隊,都將竭誠的為您服務
請利用申請表單填寫欲申請之相關教學資源,將盡快為您處理
教學配件(教學投影片)

  
 

關於碁峰隱私權政策聯絡我們     檢視 : PC 版  手機版
碁峰資訊股份有限公司 GOTOP INFORMATION INC.
台北市南港區三重路66號7樓之6 / 7F.-6,No.66,Sanchong Rd.,Nangang District,Taipei
TEL:(02)2788-2408 FAX:(02)8192-4433 劃撥帳號:14244383
Copyright 2014© GOTOP Information Inc, All Rights Reserved 請勿任意連結、轉載