Python machine learning

This book provides frequently studied and used machines together with soft computing methods such as evolutionary computation. The main topics of the machine learning cover Artificial Neural Networks

Core Insight：Cross-Domain Data Collaboration: Unlocking Chip PotentialEliminating the "efficiency gap" caused by knowledge silos is the starting point for industry potential. Data doesn't lie; Data Science provides the solution: Through innovation and cross-domain restructuring, we visualize results to become the critical accelerator for boosting efficiency.GenAI Reshaping the Future of SemiconductorsFacing the immense challenge of the slowing pace of Moore's Law, the semiconductor industry urgently requires new breakthroughs. This book is specifically designed to solve the "Efficiency Black Hole" that consumes tens of billions of dollars annually in the industry.The Empowering DTCO Innovation with AI and Machine Learning offers readers a practical DTCO.ML Framework, demonstrating how to leverage Machine Learning (ML) and Generative AI (GenAI) technologies to inject new acceleration into chip manufacturing processes. Learn to master process variability and optimize chip energy efficien

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

本書是一本學習Python程式設計的入門教材，也是一本入門人工智慧程式設計的基礎教材，可以讓初學者輕鬆自行建立相關的人工智慧應用。在內容上不只完整說明需要具備的Python程式設計能力，更詳細說明常見人工智慧應用的相關套件，可以馬上靈活運用這些套件來建立人工智慧應用，包含：物體識別和OCR文字識別等，最後實際運用Python來建立剪刀、石頭、布等手勢操控Windows應用程式、AI健身教練、車牌辨識和刷臉點名/報到等專案開發。本書特色1.從Python的基礎入門到人工智慧應用。2.使用圖解搭配程式實作奠定Python語言的基礎程式設計。3.使用fChart流程圖直譯工具，了解執行過程和除錯，訓練程式邏輯和解決問題的能力。4.豐富的人工智慧應用：人臉偵測與人臉識別、多手勢追蹤與人體姿態評估、手勢操控、影像分類、物體識別與OCR文字識別等。5.實際使用Teachable Machine網頁工具說明訓練AI模型的步驟和過程，輕鬆建立自己的深度學習模型與應用。

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

不走捷徑，幫助您真正搞懂「深度學習」的真義這是一本與「深度學習」有關的書籍。從入門開始說明，一步一步帶領你瞭解深度學習必須具備的知識。本書可以幫助您了解：深度學習究竟是什麼？有何特色？根據何種原理來運作？ 從零開始，由實做中學習本書的目標是，盡量避免使用不瞭解內容的「黑盒子」，以基礎的知識為起點，以容易上手的Python撰寫程式，從動手實作的過程中，一步步深入瞭解深度學習。若以車用書籍來比喻這本書

近年來，深度學習的相關演算法已被廣泛使用在電腦視覺(computer vision)、神經機器翻譯(neural machine translation)、神經風格轉換(neural style transfer)及聊天機器人(chatbots)等的應用。 雖然網路上已經提供了許多深度學習的各種演算法程式，但若只會使用程式卻不瞭解各種演算法的內涵，對於深度學習的領域只能是見樹不見林，無法真正體會深

――――超人氣暢銷書《演算法圖鑑》姊妹作，機器學習初學者最佳入門書！―――― 人工智慧時代關鍵能力！深度學習深在哪裡？強化運算思維，建構邏輯概念，一次弄懂深度學習活用之道！ ★ 精闢剖析深度學習發展史，詳述機器學習的基礎知識！★ 完整解說熱門程式語言第一名Python的環境建構和基本語法！★ 圖像化示範TensorFlow和Keras的安裝，開發AI必學必讀！★ 介紹類神經網路

本書是利用Python參加機器學習競賽「kaggle」的入門書。一開始先以適合初學者學習的「Titanic：Machine Learning from Disater」競賽學習Kaggle的基礎。從中除了可學習實踐Titanic的方法，還能掌握自行參加競賽所需的知識。本書具有以下特色：．為了kaggle撰寫的習作教學書籍．每一章或每一節都有具體的主題，可讓讀者按部就班地掌握需要的知識．解說各種表單

Python機器學習第三版（下） Python Machine Learning - Third Edition 第三版－最新修訂版，新增TensorFlow 2、GAN和強化學習等實用內容 使用Python的scikit-learn和TensorFlow 2融會貫通機器學習與深度學習 循序漸進、由淺入深，好評熱銷再進化！最新修訂的《Python機器學習第三版》是一本不容錯過的全方位指南，也是讀者

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

人工智慧（AI）將改變人類與所有產業的生態。如果你對人工智慧，沒有全面的了解，那就跟不上時代了。很多影響人類的科技發展，都無法做出正確的判斷。一個知名的投資專家說，比起5G，人人手上有，處處可見基地台，AI只有少數大公司用得上，到底有無潛力？有！但是不要想得太美了。他說的對不對？很難判斷嗎？讀完本書，你就會找到正確的解答。其實AI有三種，一種是雲端，就是連到那幾家大公司的機房，用他們大的嚇死人的算力。一種是在本地運算，如汽車的自動駕駛。第三種則是運用在最前端的偵測裝置，以求最快的反應時間。所以你說AI只有幾家大公司用得上，好像也沒有那麼對。所以你要把它想得美一點，它是平地一聲雷，輝達、台積電的股價都應該後面加一千個零，是嗎？但是你知道有資訊科技以來，人類至少經過三次AI的浪潮。很多公司運用AI運用得嚇嚇叫，如文藝復興基金，用機器學習投資，20年來平均的年化報酬率遠勝巴菲特。所以你說AI前程遠大！很OK，但它說他橫空出世？倒也未必，它只是一個連續的改善過程！當然有關AI最誇張的是想像是《魔鬼終結者》，一個是幹掉想毁滅人類的傢伙，而且他可以和人腦一樣的運作。不過有的人是殺人魔，有的人是慈善家。不知可以和人腦一樣運作的AI是慈善家或是殺人魔？AI的形式有很多種，從撰寫大量複雜的函式來實現人工智慧的專家系統，到以大量資料反求智慧判定函式的演算法，如支援向量機（Support Vector Machine, SVM）、決策樹（Decision Tree）等，此領域統稱為機器學習（Machine Learning, ML），而運用神經網路技術，將網路的節點深度擴展延伸，以獲得更好的智慧判定效果，則稱為深度學習（Deep Learning, DL）。你越了解AI的技術背景，就越能掌握它未來對人類的影響。如果你想投資AI相關產業，就更是需要深入了解了。任何資訊科技的運用都有兩個層面，軟體以及執行軟體的硬體。本書除了說明AI運用的基本原理之外，也將詳細說明有關AI的軟體及硬體產業鏈。對一個投資人而言，完整的了解一個產業的上下游關係，是十分必要的。總不能輝達業績創新高，而你完全沒有概念台積電會好還是不好吧？本書以圖文對照的方式，讓你對AI有清楚的認識。不論投資、或生活，可以在新科技浪潮中，穩定前行。本書特色◎100個單元，幫你輕鬆建構清晰的知識網本書以對人工智慧沒有認識的民眾為對象，挑

在 AI 模型不停推陳出新，生成的內容越來越逼真，你是不是也開始對 AI 躍躍欲試，但卻又不得其門而入呢？這本書的誕生，就是為了讓你我都能看得懂、用得上、不被落下。▌給上班族的你：媒體不斷報導 AI 的強大，一邊說它能提升效率，一邊又說它可能取代人類工作──其實與其恐懼 AI，不如學會了解 AI。當你掌握 AI 的能力與限制，就能把它變成你的助力，讓自己在職場中更有競爭力。▌給學生、新鮮人與轉職者：當企業逐漸看重具備 AI 能力的人才，你的履歷中有沒有實作經驗、能否與 AI 工具協作，都會成為關鍵加分項。然而學校不一定有教、網路資源又過於零碎，想要快速補足這塊技術的知識，你需要的是一套有系統的入門書。▌給關心下一代的家長：現在的年輕世代是「AI 原生族群」，生成式 AI 將會伴隨他們長大、學習、工作，甚至影響他們的創造力與價值觀。與其被科技隔閡拉遠，不如主動理解 AI 的樣貌與影響，陪伴孩子健康地使用 AI、成為真正的科技公民。無論你是上班族、新鮮人、轉職者、家長或學生，這本書都能幫助你打開 AI 世界的大門!正如書名中「⇄」符號所呈現的意義，希望帶領讀者了解各種「生成式 AI」應用與背後相關技術的來龍去脈，讓你用最輕鬆的方式，培養面對未來的 AI 素養與競爭力。現在就開始——你將不只是 AI 使用者，更是 AI 時代的參與者！本書特色: \ 一看就懂的生成式 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！涵蓋完整 AI 技術地圖：- 機器學習 (Machine Learning)- 深度學習 (Deep Learning)- 電腦視覺 (Computer Vision)- 自然語言處理 (NLP)- 聊天機器人 (Chatbot)- 生成式 AI (Generative AI)- 檢索增強生成 (RAG)- AI 代理 (AI Agent)- AI 倫理與未來思辨\ 52 個零基礎實作活動，讓你輕鬆玩懂 AI /從趣味實驗到真實應用，不懂程式也能動手玩：- 看懂 ChatGPT 的運作邏輯- 跟 AI 協作畫圖、創作音樂- 打造毛小孩的影像識別模型- 自動駕駛與 AI 道德判斷體驗- 用眼睛控制畫面、用聲音操控動作- 打造一個跟你對話的 AI 代理人- 用 RAG 檢索不同的資料- 請 AI 協助招聘的公平性反思還有更多實用又有趣的活

資料科學、機器學習是近來最夯的關鍵字，引發的學習熱潮從未間斷，如果您正尋找資料科學、AI 的入門書，本書就是您的 Mr. Right！【獨家資料科學 5 步驟，記牢、做熟這 5 步就夠了！】只要上網 google "資料料學" 一定會發現，出現的關鍵字實在超級廣，包括 AI、機器學習、程式設計、資料視覺化、數學、統計...等等，這麼雜到底怎麼開始？總不可能通通碰過一輪？！初學者看這本最適合！本書大聲告訴您：「資料科學沒那麼複雜！」，只要跟著書中精心設計的「資料科學 5 步驟」，記牢、做熟這 5 步就夠了！問個感興趣的問題 → 資料取得 → 資料處理 → 探索性資料分析 → 機器學習做資料分析【用 Excel 輕鬆實作機器學習，跟複雜的程式說掰掰！】機器學習 (Machine Learning) 是資料科學實作非常重要的一環，很多書都告訴您必須碰程式，這也讓非 IT 背景的初學者相當苦手，本書正是程式苦手者的超級救星！Excel 是多數人都很熟悉的工具，這本書能讓各種不同學習背景和工作性質的讀者受惠，再也不限 IT 背景才能學。再者，用程式來實作機器學習雖然「省事」，卻也「省略很多事」，若沒有自己細心研究，可能連資料集長什麼樣子都模模糊糊；而在訓練機器學習模型時也是一樣，程式往往把模型封裝成內部在做什麼都神神祕祕的黑盒子，三兩下就告訴您「模型訓練好了！」，到頭來只能虛虛地感覺自己「好像」學會了。反觀 Excel 除了易學，還多了能細細觀察模型內部運作細節的優點！首先，數據資料都清清楚楚攤在儲存格上，再也不是看不到摸不到！而本書所介紹的【線性迴歸】、【KNN】、【K-Means】、【深度學習】等機器學習演算法，只需用到簡單幾個的 Excel 函數就可以輕鬆操作，讀者可以觀察公式清楚看出模型各階段的數據是怎麼算出來的；最後，書中各模型的工作表佈局和配色也都經過精心安排，希望透過種種設計讓讀者更容易掌握模型細部的運作細節！本書特色: □ 用最熟悉的 Excel 馬上可以動手做！□ 精心設計豐富插圖，每一頁都有感！ □ 零數學公式、統計符號，輕鬆學會資料科學、機器學習！□ 機器學習實戰演練：線性迴歸分析、KNN 分類、K-Means 分群、深度學習分類□ 範例滿載！一次不熟換個範例多 run 幾次保證讓您會！

本書改編自第 11 屆 iT 邦幫忙鐵人賽，Google Developers Machine Learning 組冠軍網路系列文章 ⸺《Towards Tensorflow 2.0：無痛打造AI模型》，是一本完整結合 Google Colab 學習Tensorflow 的台灣本土專書。AI、機器學習為近年來最熱門的話題，如何透過 AI 來提高企業營收或降低成本，已是各大企業爭相研究的技術。這是一

國內外最具代表性案例，9大專題實戰、15個分類實例 Google Colab、Microsoft Azure兩大雲端應用，人臉辨識、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 L

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)