Python machine learning

建立智慧型系統的概念、工具與技術「這是一本出色的機器學習資源，包含淺顯易懂的解說，以及豐富的實用技巧。」—François CholletKeras作者，《Deep Learning with Python》作者「本書是運用神經網路來解決問題的絕佳入門資源，涵蓋理論及實踐。推薦給想學習實用機器學習技術的人。」—Pete WardenTensorFlow行動主管深度學習在經歷了一系列的突破之後，已經推動了整個機器學習領域的發展。如今，即使是對於這項技術非常陌生的程式設計師，也能夠使用簡單、高效率的工具，寫出能從資料中學習的程式。這本暢銷書使用具體的例子、最少的理論，以及具備生產水準的Python框架(Scikit-Learn、Keras和TensorFlow)來協助你直接瞭解智慧系統的建構概念與工具。在這本第三版中，作者Aurélien Géron將探索一系列的技術，從簡單的線性回歸開始，逐步發展到深度神經網路。本書包含許多範例程式和習題來幫助活用所學，只要具備一些程式設計經驗即可入門。‧使用Scikit-Learn自始至終完成機器學習專案‧探索多種模型，包括支援向量機、決策樹、隨機森林，和集成方法‧運用無監督學習技術，例如降維、聚類法和異常檢測‧深入探討神經網路架構，包括摺積神經網路、遞迴網路、生成對抗網路、自動編碼器、擴散模型、轉換器‧使用TensorFlow和Keras建構和訓練神經網路，以進行計算機視覺、自然語言處理、生成模型和深度強化學習

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