Combinatorial Machine Learning

「作者在上市 IC 公司上班，每天面對 real world problems。探索如何建立輕量深度學習網路以及發展更有效率的學習方式是他每天的工作。這是一本學理及實務兼具的好工具書。」 － 中央研究院資訊科學研究所所長 廖弘源博士 推薦[搭起 AI 與統計的橋樑]原本統計學與人工智慧是兩個完全不同的領域，然而兩者在近代都有了新的發展進而產生連結。在人工智慧中導入機率與統計的觀念，讓電腦具有自己找出數據之間的關聯性並試圖解決問題的能力，因而出現機器學習 (machine learning) ，再加上電腦計算能力的大幅提升，解決多層類神經網路和大數據之間聯繫性的可能，進而衍生出現今最熱門的深度學習 (deep learning)。不過，大部分電腦相關科系出身的人並不熟悉統計學，因此在更上一層樓的時候容易遇到障礙。有鑒於此，小編在推出《機器學習的數學基礎》(天瓏專業書店年度暢銷第一名) 一書之後，就積極開發 AI 與統計學相關的書籍。在尋尋覓覓之後請到擅長統計與機器學習的黃志勝博士出馬撰寫《機器學習的統計基礎》，首要之務就是讓讀者不要視統計為畏途，因此在書中設計大量範例以降低學習難度，務求讀得懂、做得出來才容易吸收，進而搭好統計與機器學習的橋樑。如果自覺數學已經還給老師了也不用擔心，可以將本書搭配《機器學習的數學基礎》一併完整學習。[學會統計, 由混亂到清晰]本書從讀者在高中就學過的集合與機率論開始，帶您快速複習一遍，並將容易混淆之處多多舉例說明，並將以前似懂非懂的隨機變數、機率分布等觀念再解釋得更清楚。接下來就進入專有名詞特別多的統計學，這也是造成許多人暈頭轉向之處。特別是樣本估計、信賴區間、顯著水準、信心水準、t-分布、假設檢定...等讓人一個頭兩個大的主題，更是務求清楚明瞭。當然本書不可能把完整的統計學全都搬進來，此處只介紹機器學習、深度學習需要用到的統計基礎知識，縮短您的學習時間。然後就進入機器學習的重頭戲，從資料前處理到迴歸、分類模型的建立，以及當數據的特徵數過多時的 PCA、LDA 統計降維法。從類神經網路開始進入深度學習的範疇，包括前向傳遞、梯度下降法與倒傳遞學習法的手算實作，幫助讀者一步步建立深度學習的演算邏輯，並利用參數常規化解決模型過擬合 (over-fitting) 的問題。最後，導入模型評估，例如二元、多元分類模型評估指標、迴歸模型評估指標、4

This book provides a systematic, foundational introduction to automatic alignment of parallel texts, a family of essential corpus analysis techniques for computing and learning the mappings between co

This bookisan outgrowthoften yearsof researchatthe Universityof Florida Computational NeuroEngineering Laboratory (CNEL) in the general area of statistical signal processing and machine learning. One

Unleash the power of computer vision with Python using OpenCVAbout This BookCreate impressive applications with OpenCV and PythonFamiliarize yourself with advanced machine learning conceptsHarness the

Federated Learning for the Metaverse: Applications in Virtual Environments provides readers with insights into how federated learning, a decentralized machine learning paradigm, can be strategically applied to address critical aspects of the metaverse. The book covers a wide range of topics, including privacy-preserving personalization, security, collaboration, adaptive learning environments, real-time communication, decentralized governance, language understanding, immersive learning experiences, avatar customization, and dynamic scene rendering.

Get a free eBook (PDF or ePub) from Manning as well as access to the online liveBook format (and its AI assistant that will answer your questions in any language) when you purchase the print book. You don't choose what you see on the internet. Algorithms choose for you. We spend 12 billion hours a day browsing the internet. And in the background, sophisticated recommender systems silently decide what appears on our feeds, what we click next, and what we think we want. These invisible algorithms direct our entertainment, news, shopping, friendships, dates--even our sense of identity. Algorithmic recommender systems are some of the internet's most closely guarded secrets. This book pulls back the curtain, showing why they're so seductive and how they influence your beliefs, desires, and behavior. This book tells you how they work and gives you tools to reclaim your agency. Dr Luca Belli, co-founder and former research lead for Twitter's Machine Learning Ethics, Transparency and Accountab

Learning for the Age of Artificial Intelligence is a richly informed argument for curricular change to educate people towards achievement and success as intelligent machine systems proliferate. Descri

Road Traffic Modelling and Management: Using Statistical Monitoring and Deep Learning provides a framework for understanding and enhancing road traffic monitoring and management. It examines both the commonly used traffic analysis methodologies as well the emerging ones that use deep learning methods. The book also shows how to understand statistical models and machine learning algorithms, and how to apply them to traffic modelling, estimation, forecasting and traffic congestion monitoring. Providing both a theoretical framework along with practical technical solutions, Road Traffic Modelling and Management: Using Statistical Monitoring and Deep Learning is for researchers and practitioners who want to improve the performance of intelligent transportation systems.

Packed with detailed examples and illustrations, PRECISION MACHINING TECHNOLOGY, 2e delivers the ideal introduction to today's machine tool industry, equipping readers with a solid understanding of fu

The Sony NEX-7 is one of the most innovative cameras Sony has ever introduced. It is the flagship of Sony's NEX product line, a whole new type of picture-taking machine, combining a tiny, mirrorless b

Python Machine Learning「機器學習」（machine learning）已是一門改變資料分析方式的重要學科，而本書將引領你進入預測性分析的世界，透過在科學領域已應用得相當廣泛的 Python 程式語言進行實作。藉 由本書，可以幫助你對資料分析的方式做出最佳決策，或是用於提昇機器學習系統的效能。內容包含 scikit-learn、Theano 及 Keras 等一系列強大的 P

內容簡介:以簡單有效率的方式分析資料與預測結果 機器學習的目的是預測，使用你已經知道的來預測你想要知道的—根據這兩者之間的歷史關係。它的核心是一種數學 / 演算法技術，你需要深入瞭解數學與統計學概念，並熟悉 R 與其他專用語言。本書為廣大的讀者簡化機器學習技術，把焦點放在兩種可以有效地預測結果的演算法族群，告訴你如何透過熱門且容易上手的 Python 程式語言來使用它們。 作者 Michael B

★CNN、《新科學人》、《經濟學人》、《柯克斯書評》等多家媒體推薦報導★比爾．蓋茲年度選書！揭開大數據、人工智慧、機器學習的祕密，打造人類文明史上最強大的科技——終極演算法！有一個終極演算法，可以解開宇宙所有的祕密，現在大家都在競爭，誰能最先解開它！．機器學習是什麼？大演算又是什麼？．大演算如何運作與發展，機器可以預測什麼？．我們可以信任機器學過的東西嗎？．商業、政治為什麼要擁抱機器學習？．不只商

Machine Learning - Modeling Data Locally and Globally presents a novel and unified theory that tries to seamlessly integrate different algorithms。 Specifically， the book distinguishes the inner nature

國內外最具代表性案例兩大雲端應用、15項分類實例、9大專題實戰自然語言、文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練！從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱

你要聽特斯拉馬斯克的或是臉書祖克伯的？前者認為人工智慧（AI）會毁滅人類，後者說不會！其實你應聽Google的，它提供平台讓中小企業也可以搭上人工智慧的特快車！ 將衝擊世界的人工智慧類型基本上是指會自己學習的電腦，也就是所謂的機器學習（Machine Learning）及深度學習（Deep learning），而非過去大家習慣的電腦依程式行事。前者是指機器自己由大量資料中，得出某結論，如給電腦一堆

That Monday afternoon, in high-school gyms across America, kids were battling for the only glory American culture seems to want to dispense to the young these days: sports glory.? But at Dos Pueblos High School in Goleta, California, in a gear-cluttered classroom, a different type of “cool” was brewing.? A physics teacher with a dream – the first public high-school teacher ever to win a MacArthur Genius Award -- had rounded up a band of high-I.Q. students who wanted to put their technical know-how to work.? If you asked these brainiacs what the stakes were that first week of their project, they’d have told you it was all about winning a robotics competition – building the ultimate robot and prevailing in a machine-to-machine contest in front of 25,000 screaming fans at Atlanta’s Georgia Dome.?But for their mentor, Amir Abo-Shaeer, much more hung in the balance. ?The fact was, Amir had in mind a different vision for education, one based not on rote learning -- on absorbing facts and fig

本書的主要目標是，大家一起來「不寫程式，而學AI」。例如不知Python而亦能用TensorFlow。 當今的AI是屬於機器學習(Machine Learning)的一支，基於神經網路( NN: Neural Network)的深度學習。現在，人人都想去理解AI電腦(即機器)到底是如何學習的，以便掌握AI技術熱潮，捷足先登，踏進這項當今的主流產業(AI人工智慧)。 然而，AI機器學習的演算法(Algorithm)又非常依賴於高等數學的運算式，包括線性、非線性函數、N維矩陣(Array)、張量(Tensor)、微分導數、梯度(Gradient)下降、梯度消失等大家很陌生的數學概念和術語。這些複雜性大大阻礙人人親近AI的機會和途徑。俗語說：「面對複雜，唯有簡單」。所以，尋覓和創造一個簡單、親切的途徑，讓人人都能享受，就能彌平進入AI的高大門檻了。Google推出的AI平台：TensorFlow。雖然它還不能完全實踐的美好境界，但可望它是一個不錯的起點了。於是，本書就將Excel試算表與TensorFlow結合起來，就能實現了。不懂程式設計而能學AI，好比不懂車而能學開車。在本書裡，筆者把與分離開來。於是大多數不諳編程技術者，皆能直接切入，而輕鬆愉快地學習AI了。

內容介紹: 在 ChatGPT 和 AIGC 應用發光發熱之際，你是不是驚覺：怎麼 AI 已經離我這麼近了！其實 AI 一直都在，只是默默在背後運作，然而多數人還不認識 AI，因而有許多神話或恐懼的想法。-▌如果你是上班族：看到媒體、新聞反覆報導，又說 AI 多厲害，又說 AI 會造成失業，到底 AI 是甚麼？對你的工作有甚麼幫助或影響？有危機意識的你該如何擺脫宿命？▌如果你是新鮮人或轉職者：懂不懂 AI，直接影響未來求職的競爭力。當企業對 AI 求才若渴，你的履歷會需要多點 AI 來加分！不過之前學校教的不多，網路資源又讓人似懂非懂，想要獲得企業青睞，該從何下手？▌如果你是家長：這一代年輕人就是 AI 原生族群，AI 勢必伴隨著他們成長，而 AI 所帶來的影響也是避無可避，想要消弭可能的科技代溝，該怎麼預防？-AI 時代已然揭開序幕，要在這個時代生存，你需要對 AI 有基本素養，首要認識 AI、知道 AI 的能耐與限制，然後懂得運用 AI 來提高效率，彌補自身不足，才不會被改革的浪潮所淹沒。有感於一般大眾對於 AI 的認識有限，就算詳讀許多相關資料，單憑書籍、網路文章的隻字片語，難以對 AI 有深刻體悟。作者將人工智慧看似艱澀難懂的知識，經由淺顯易懂的觀念講解，搭配 40 個零基礎也能玩的實作，化為大家都「看得懂、說得出、做得到」的 AI 素養。沒有程式、沒有數學的學習門檻，帶領你無痛體驗生成式 AI、機器學習、深度學習、自然語言處理、電腦視覺辨識...等各種 AI 技術，不懂程式的你，也可以親手訓練 AI、掌握 AI，讓 AI 成為你的神助手！ 本書特色: ▌專家學者誠摯推薦 ▌王年燦｜致理科技大學 創新設計學院 教授兼院長林仁智｜國立臺北教育大學 數位科技設計系教授兼系主任林筱玫｜台灣人工智慧協會 執行長區國良｜國立清華大學 學習科學與科技研究所 教授張一偉｜凡甲科技總經理張維元｜「資料科學家的工作日常」版主(以上依照姓名筆劃順序排列)\ 一看就懂的 AI 最強入門書 /貼近科技脈動，跟上 AI 技術發展腳步，吸收新知不落伍！● 生成式 AI (Generative AI)● 機器學習 (Machine Learning)● 深度學習 (Deep Learning)● 卷積神經網路 (CNN)● 循環神經網路 (RNN)

The third edition of a bestseller, Statistical and Machine-Learning Data Mining: Techniques for Better Predictive Modeling and Analysis of Big Data is still the only book, to date, to distinguish betw