1.強調實作與錯誤學習：本書不僅講解理論，還鼓勵讀者動手實踐，以實際應用深化理解。
2.系統化的學習路徑：以示意圖與簡單範例帶領讀者進入機器學習，逐步深入監督式與非監督式學習，最終挑戰更進階的AI應用。
3.提供完整的學習支援：書中還整理了機器學習的專業術語，並附有環境安裝指南，讓更多人能輕鬆入門機器學習。
4.豐富的線上教學資源：作者經營YouTube頻道「工程師?師」，提供多樣化的教學影片，作為書本內容的延伸學習資源。
本書內容兼顧理論與實務，用大量示意圖與範例，幫助讀者建立機器學習的基本概念。第一章介紹機器學習的基本概念與類型，幫助讀者快速入門。第二章深入探討監督式學習，涵蓋多種經典演算法，如線性回歸、決策樹與神經網路等。第三章則介紹非監督式學習，重點講解資料探索與聚類方法。第四章專注於模型評估與優化，幫助讀者提升模型性能。最後，第五章通過台股數據分析與YOLO物件辨識兩個實戰專案，讓讀者實際應用所學知識，開啟機器學習與深度學習的探索之旅。
目錄
第一章 機器學習新手上路
1-1 什麼是機器學習
1-2 機器學習的種類
1-3 免費練習開發平台
1-4 機器學習步驟
第二章 監督式學習
2-1 線性回歸 Linear Regression
2-2 支援向量機 Support Vector Machine
2-3 單純貝氏分類器 Na?ve Bayes Classifier
2-4 決策樹Decision Tree
2-5 隨機森林 Random Forest
2-6 神經網路 Neural Network
2-7 近鄰演算法 K-Nearest Neighbors
第三章 非監督式學習
3-1 主成分分析 Principal Components Analysis
3-2 非負矩陣 Non-negative Matrix Factorization
3-3 平均分群演算法 K-means
3-4 高斯混合分布 Gaussian Mixture Models
第四章 評估方法與訓練技巧
4-1 分類問題評估
4-2 回歸問題評估
4-3 交叉驗證 Cross-Validation
4-4 批次量 Batch Size
第五章 最終挑戰—實戰應用
5-1 AI 股票理財專家
5-2 YOLOv9 物件辨識
結語
附錄
附錄一 專有名詞解釋
附錄二 環境安裝
附錄三 參考文獻
習題
第一章 機器學習新手上路
1-1 什麼是機器學習
1-2 機器學習的種類
1-3 免費練習開發平台
1-4 機器學習步驟
第二章 監督式學習
2-1 線性回歸 Linear Regression
2-2 支援向量機 Support Vector Machine
2-3 單純貝氏分類器 Na?ve Bayes Classifier
2-4 決策樹Decision Tree
2-5 隨機森林 Random Forest
2-6 神經網路 Neural Network
2-7 近鄰演算法 K-Nearest Neighbors
第三章 非監督式學習
3-1 主成分分析 Principal Components Analysis
3-2 非負矩陣 Non-negative Matrix Factorization
3-3 平均分群演算法 K-means
3...
購物須知
電子書閱讀方式
您所購買的電子書，系統將自動儲存於「我的電子書櫃」，您可透過PC（Windows / Mac）、行動裝置（手機、平板），輕鬆閱讀。
- Ｗindows / Ｍac 電腦
- 請先安裝
瀏覽器，→並以Chrome開啟我的電子書櫃後，點選『線上閱讀』，即可閱讀您已購買的電子書。建議使用 Chrome、Microsoft Edge有較佳的線上瀏覽效果。 - 手機／平板
- 請先安裝 電子書APP
後，依照提示登入「會員中心」→「電子書管理」→「電子書APP通行碼/載具管理」，取得APP通行碼再登入APP，下載您所購買的電子書。完成下載後，點選任一書籍即可開始離線閱讀。 APP 適用版本：iOS 14.2 或以上版本，Android 6.0 以上版本。
注意事項：
使用讀冊生活電子書服務即為同意讀冊生活電子書服務條款。
下單後電子書可開啟閱讀的時間請參考：不同的付款方式，何時可開啟及閱讀電子書?
因版權保護，您在TAAZE所購買的電子書/雜誌僅能以TAAZE專屬的閱讀軟體開啟閱讀，無法以其他閱讀器或直接下載檔案。
退換貨說明：電子書、電子雜誌商品，恕不提供10天猶豫期退貨，若您對電子書閱讀有疑慮，建議您可於購買前先行試讀。並於訂購本商品前請務必詳閱電子書商品退換貨原則。
收藏
2025專利防護中