hiskio

    Python+TensorFlow 2.x人工智慧、機器學習、大數據｜超炫專案與完全實戰

    【聯合推薦】

    Collecting
    US$16.82
    【聯合推薦】
    嘉義基督教醫院 兒童醫學部兒童腎臟科主任、嘉基創新育成中心主任 周信旭醫師
    Eco-City智慧生活科技區域整合中心執行長、國立交通大學土木工程系 曾仁杰教授
    台北榮民總醫院 關艾琛醫師

    【嚴選經典】美國矽谷創業家/全球科技大廠與業界指定工研院顧問講師之Python TensorFlow人工智慧機器學習入門鉅作!
    本書為作者柯博文老師在各大企業教授Python、機器學習、人工智慧的課程內容匯集而成。歷經業界頂尖的工程師學員多次考驗，實戰多年後才匯集成冊。內容包含：Python、機器學習、人工智慧、TensorFlow、Keras、OpenCV等相關API的使用方法。並提供了203個範例程式，與169支影音教學影片。
    ◎以豐富的範例淺顯易懂的解說Python程式語言，並加入詳細的程式註解，使讀者瞭解每個程式的動作。
    ◎介紹業界統計分析相關的機器學習資料分析程式，並大量使用業界數據，進行分析和預測。
    ◎使用Tensorflow.Keras實踐人工智慧，以MLP類神經的原理和案例，讓讀者瞭解如何修改程式，才能達到百分百的準確率的目標，並用CNN的手寫辨識方法，結合OpenCV達到學習人工智慧，並且實際應用在生活中。

    Content

    • 1-1
      封面頁
    • 1-2
      書名頁
    • 1-3
      推薦序
    • 1-4
      序
    • 1-5
      目錄
    • 1-6
      Ch01 Python 程式語言
    • 1-7
      1.1 Python 程式語言的介紹
    • 1-8
      1.2 Python 歷史
    • 1-9
      1.3 Python 版本
    • 1-10
      Ch02 Python程式語言安裝
    • 1-11
      2.1 Windows 作業系統的Python 安裝
    • 1-12
      2.2 在Windows 測試與執行Python
    • 1-13
      2.3 Mac 作業系統的Python 安裝
    • 1-14
      2.4 在Mac 測試與執行Python
    • 1-15
      2.5 樹莓派和Linux 的Python 安裝
    • 1-16
      2.6 在Linux 或樹莓派測試與執行Python
    • 1-17
      Ch03 開發程式和工具
    • 1-18
      3.1 我的第一個Python 程式－Windows 版
    • 1-19
      3.2 我的第一個Python 程式－Mac、Linux 和樹莓派版
    • 1-20
      3.3 開發和除錯工具－PyCharm 下載和安裝
    • 1-21
      3.4 PyCharm 工具介紹
    • 1-22
      3.5 建立專案
    • 1-23
      3.6 除錯
    • 1-24
      3.7 安裝其他的Packages 函式庫
    • 1-25
      3.8 安裝Anaconda
    • 1-26
      3.9 使用Anaconda
    • 1-27
      3.10 Pip 安裝套件
    • 1-28
      3.11 本書需要安裝的第三方函式庫列表
    • 1-29
      Ch04 Python 程式基礎
    • 1-30
      4.1 Python 注解
    • 1-31
      4.2 Python 資料型態
    • 1-32
      4.3 Python 數學計算
    • 1-33
      4.4 Python 列印
    • 1-34
      4.5 PytIf ...else 條件判斷語句－條件執行（conditional）
    • 1-35
      4.6 Array 陣列－List
    • 1-36
      4.7 range 範圍
    • 1-37
      4.8 for 迴圈
    • 1-38
      4.9 UTF8 中文文字編碼和文字輸入
    • 1-39
      4.10 while 迴圈語法
    • 1-40
      Ch05 函數和物件導向OOP
    • 1-41
      5.1 開發函數def
    • 1-42
      5.2 import 匯入和開發
    • 1-43
      5.3 類別class
    • 1-44
      5.4 類別class 初始化定義值
    • 1-45
      5.5 類別中的函數方法Method
    • 1-46
      5.6 類別中的「屬性」Property
    • 1-47
      5.7 類別中的呼叫其他的函數方法Method
    • 1-48
      5.8 設定公開、私有的類別函數方法
    • 1-49
      5.9 把類別獨立成另一個檔案
    • 1-50
      5.10 繼承－OOP 物件導向
    • 1-51
      5.11 多重繼承
    • 1-52
      5.12 呼叫父類類別函數super
    • 1-53
      5.13 呼叫父類的「屬性」Property
    • 1-54
      Ch06 視窗處理GUI Tkinter
    • 1-55
      6.1 視窗 GUI 函式庫
    • 1-56
      6.2 視窗
    • 1-57
      6.3 文字 Label
    • 1-58
      6.4 顯示圖片Image
    • 1-59
      6.5 按鍵
    • 1-60
      6.6 訊息視窗tkMessageBox
    • 1-61
      6.7 輸入框Entry
    • 1-62
      6.8 繪圖Canvas
    • 1-63
      Ch07 資料定義Containers
    • 1-64
      7.1 List 陣列
    • 1-65
      7.2 List 陣列資料的多樣性
    • 1-66
      7.3 List 的數學處理
    • 1-67
      7.4 Slicing 切割
    • 1-68
      7.5 Dictionaries 字典
    • 1-69
      7.6 Sets 序列集集合比較（交集、聯集、差集）
    • 1-70
      7.7 Tuples 序列
    • 1-71
      Ch08 圖表函式庫matplotlib.pylib
    • 1-72
      8.1 圖表函式庫Matplotlib 介紹
    • 1-73
      8.2 畫線
    • 1-74
      8.3 畫點
    • 1-75
      8.4 畫面切割
    • 1-76
      8.5 顯示圖片
    • 1-77
      8.6 顯示圖表在視窗程式中
    • 1-78
      Ch09 檔案處理和Open Data 開放資料
    • 1-79
      9.1 開放資料介紹
    • 1-80
      9.2 儲存檔案
    • 1-81
      9.3 檔案複製、刪除和列出所有檔案
    • 1-82
      9.4 資料夾
    • 1-83
      9.5 讀取Excel xls 格式－阿靈頓縣裡面所有學校
    • 1-84
      9.6 讀取、處理和儲存CSV－氣象風暴資料
    • 1-85
      Ch10 網路
    • 1-86
      10.1 超文本傳輸協定HTTP Get
    • 1-87
      10.2 透過網路取得即時開放資料－即時「今日氣象資訊」
    • 1-88
      10.3 超文本傳輸協定HTTPPost
    • 1-89
      10.4 可延伸標記式語言XML
    • 1-90
      10.5 開放資料 XML－取得台北市社會福利中心
    • 1-91
      10.6 JSON
    • 1-92
      10.7 開放資料 JSON－顯示桃園公共自行車即時服務資料
    • 1-93
      Ch11 資料庫
    • 1-94
      11.1 下載和安裝MYSQL 資料庫
    • 1-95
      11.2 新增資料庫使用者－Add User
    • 1-96
      11.3 新增資料庫－Add database
    • 1-97
      11.4 開啟資料庫－MySQL－python 和 pymysql
    • 1-98
      11.5 新增資料庫資料－insert
    • 1-99
      11.6 取得資料－select
    • 1-100
      11.7 刪除和修改資料庫資料－delete 和update
    • 1-101
      Ch12 自然語言處理－文字、語意分析和繁簡體的轉換
    • 1-102
      12.1 繁體中文和簡體中文的互換－OpenCC
    • 1-103
      12.2 中文分詞斷詞工具－jieba
    • 1-104
      12.3 分析檔案的文字
    • 1-105
      12.4 自訂分詞
    • 1-106
      12.5 取出斷詞位置
    • 1-107
      12.6 移除用詞和自訂比重分數
    • 1-108
      12.7 排列出最常出現的分詞
    • 1-109
      12.8 網路文章的重點
    • 1-110
      Ch13 人工智慧標記語言AIML
    • 1-111
      13.1 人工智能記號語言AIML 介紹
    • 1-112
      13.2 中文機器人
    • 1-113
      13.3 AIML 語法教學1－隨機對話
    • 1-114
      13.4 AIML 語法教學2－變數
    • 1-115
      Ch14 網頁伺服器
    • 1-116
      14.1 Python 網頁伺服器
    • 1-117
      14.2 開發自己的網頁伺服器
    • 1-118
      14.3 顯示HTTP 內容
    • 1-119
      14.4 取得HTTP GET 所傳遞的資料
    • 1-120
      14.5 取得HTTP POST 所傳遞的資料
    • 1-121
      Ch15 網路爬蟲BeautifulSoup4
    • 1-122
      15.1 網路爬蟲－取得網路文章內容
    • 1-123
      15.2 BeautifulSoup 的函數和屬性
    • 1-124
      15.3 實戰案例－抓取作者的部落格文章
    • 1-125
      15.4 實戰練習
    • 1-126
      Ch16 Pandas 數據分析和量化投資
    • 1-127
      16.1 安裝
    • 1-128
      16.2 使用pandas 讀取和儲存Excel 的檔案
    • 1-129
      16.3 使用pandas 讀取和儲存CSV 的文字檔案
    • 1-130
      16.4 讀取網路上的表格
    • 1-131
      16.5 DataFrame
    • 1-132
      16.6 計算
    • 1-133
      16.7 實戰分析Apple 股價
    • 1-134
      16.8 統計相關計算
    • 1-135
      16.9 邏輯判斷－找出股價高點
    • 1-136
      16.10 計算股價浮動和每月的變化
    • 1-137
      16.11 畫出股票的走勢圖和盒鬚圖
    • 1-138
      Ch17 Numpy 矩陣運算數學函數函式庫
    • 1-139
      17.1 矩陣資料初始化
    • 1-140
      17.2 定義資料
    • 1-141
      17.3 資料對應
    • 1-142
      17.4 切割
    • 1-143
      17.5 整數數組索引
    • 1-144
      17.6 資料型態Datatypes
    • 1-145
      17.7 計算
    • 1-146
      17.8 統計
    • 1-147
      17.9 邏輯判斷
    • 1-148
      17.10 不同大小的矩陣相加
    • 1-149
      Ch18 執行檔包裝程式Pyinstaller
    • 1-150
      18.1 pyinstaller 功能介紹和安裝
    • 1-151
      18.2 pyinstaller 包裝執行檔的步驟
    • 1-152
      Ch19 機器學習演算法－Regression 迴歸分析
    • 1-153
      19.1 資料準備
    • 1-154
      19.2 機器學習的資料準備
    • 1-155
      19.3 迴歸分析數學介紹
    • 1-156
      19.4 迴歸分析繪圖
    • 1-157
      19.5 亂數數據
    • 1-158
      19.6 殘差residual
    • 1-159
      19.7 使用scikit-learn 的linear_model 函數求線性迴歸
    • 1-160
      19.8 實戰案例－動物大腦和身體的關係
    • 1-161
      19.9 實戰案例－糖尿病
    • 1-162
      Ch20 機器學習演算法－KNN 最近鄰居法
    • 1-163
      20.1 KNN 數學介紹
    • 1-164
      20.2 使用sklearn 的KNN 判斷水果種類
    • 1-165
      20.3 實戰案例－鳶尾花的種類判斷
    • 1-166
      Ch21 機器學習演算法－K-means 平均演算法
    • 1-167
      21.1 k-means 數學介紹
    • 1-168
      21.2 sklearn 的K-means 類別
    • 1-169
      21.3 K-means 實戰案例
    • 1-170
      21.4 K-means 實戰案例圖形化呈現結果
    • 1-171
      Ch22 機器學習演算法－Decision Tree決策樹演算法
    • 1-172
      22.1 決策樹數學介紹－Gini 基尼係數
    • 1-173
      22.2 sklearn 的DecisionTreeClassifier決策樹
    • 1-174
      22.3 決策樹圖形化呈現結果
    • 1-175
      Ch23 機器學習演算法Random Forest隨機森林演算法
    • 1-176
      23.1 數學介紹
    • 1-177
      23.2 隨機森林函數
    • 1-178
      23.3 隨機森林圖形化和數據庫產生器
    • 1-179
      Ch24 機器學習演算法－Bayes' theorem貝氏分類器
    • 1-180
      24.1 貝氏分類器數學介紹
    • 1-181
      24.2 Bayes 實戰案例
    • 1-182
      24.3 圖形化呈現
    • 1-183
      24.4 網格numpy.meshgrid
    • 1-184
      24.5 圈選出分類的範圍
    • 1-185
      Ch25 TensorFlow介紹和安裝
    • 1-186
      25.1 tensorflow 介紹
    • 1-187
      25.2 安裝TensorFlow
    • 1-188
      25.3 TensorFlow 測試
    • 1-189
      25.4 Tensorflow GPU 版
    • 1-190
      Ch26 TensorFlow 的類神經網路－MLP 快速上手
    • 1-191
      26.1 產生訓練資料和建立模型
    • 1-192
      26.2 編譯和訓練
    • 1-193
      26.3 測試和預測
    • 1-194
      Ch27 TensorFlow 改善類神經模型MLP 結果
    • 1-195
      27.1 模型model 不同的寫法
    • 1-196
      27.2 TensorFlow 與Keras 函式庫的關係和差異
    • 1-197
      27.3 One-hot Encoding 單熱編碼
    • 1-198
      27.4 處理多個特徵值
    • 1-199
      27.5 改善預測結果－深度學習訓練次數epochs
    • 1-200
      27.6 改善預測結果－增加神經元和隱藏層
    • 1-201
      27.7 改善訓練結果－增加訓練數據集
    • 1-202
      27.8 如何達到預測 100％ 正確？
    • 1-203
      Ch28 TensorFlow花的辨識－MLP
    • 1-204
      28.1 植物辨識數據庫－訓練和測試的資料
    • 1-205
      28.2 多層感知器模型MLP（multilayer perceptron）
    • 1-206
      28.3 使用TensorFlow.keras 建立模型
    • 1-207
      28.4 激勵函數ReLU、sigmoid 和tanh
    • 1-208
      28.5 訓練模型
    • 1-209
      28.6 深度學習最佳化－最短路徑演算法
    • 1-210
      28.7 訓練循環Fit
    • 1-211
      Ch29 TensorFlow存取模型和訓練結果
    • 1-212
      29.1 圖形顯示訓練過程
    • 1-213
      29.2 TensorBoard 的使用
    • 1-214
      29.3 保存模型和訓練後的結果
    • 1-215
      29.4 讀取使用訓練模型和訓練後的結果
    • 1-216
      Ch30 TensorFlow 實戰圖形和手寫辨識MLP
    • 1-217
      30.1 手寫資料MNIST
    • 1-218
      30.2 下載和使用MNIST 手寫資料
    • 1-219
      30.3 使用圖形顯示MNIST 內的資料
    • 1-220
      30.4 圖形文字的辨識原理
    • 1-221
      30.5 特徵值增強度和單熱編碼
    • 1-222
      30.6 使用多層類神經MLP 模型
    • 1-223
      Ch31 TensorFlow卷積神經網路CNN
    • 1-224
      31.1 什麼是卷積類神經（CNN）？
    • 1-225
      31.2 使用CNN 做手寫圖像辨識
    • 1-226
      31.3 CNN 手寫辨識達到 99% 的辨識率
    • 1-227
      Ch32 OpenCV 和TensorFlow 卷積神經網路CNN 即時辨識
    • 1-228
      32.1 OpenCV 介紹
    • 1-229
      32.2 OpenCV 安裝和環境架設
    • 1-230
      32.3 OpenCV 顯示圖片
    • 1-231
      32.4 OpenCV 顯示攝影機
    • 1-232
      32.5 OpenCV 手寫程式
    • 1-233
      32.6 即時手寫辨識APP－99% 的正確率
    • 1-234
      版權頁
    • 1-235
      封底頁

    FAQ

    您可以透過手機、平板或是電腦登入 HiSKIO 平台，在【我的學習】＞【我的書籍】頁面，選擇想看的電子書。

    Recommendations

    Reviews

    | Collecting

    Sales Plans