人工智慧：智慧型系統導論3/e (3版)

相關熱銷的書籍推薦給您

書名：人工智慧：智慧型系統導論(第三版) 作者：李聯旺 出版社：全華 ISBN：9789862800959

必學! Python資料科學．機器學習最強套件: NumPy、Pandas、Matplotlib、OpenCV、Scikit-learn、tf.Keras

類似書籍推薦給您

必學！Python資料科學‧機器學習最強套件－NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras ISBN13：9789863126157 出版社：旗標出版社 作者：石川聡彥-著;施威銘研究室-監修 譯者：劉金讓 裝訂／頁數：平裝／448頁 規格：23cm*17cm*2.8cm (高/寬/厚) 重量：982克 版次：１ 出版日：2021/04/19 中國圖書分類：電腦程式語言 內容簡介 最夯的 Python 套件解說 ✕ 最夯的資料科學、機器學習技術, 本書帶您一次學會！ 　　Python 是近來最熱門的程式語言, 也是資料科學、機器學習實作時的首選語言。Python 之所以在這些領域大放異彩, 就是仰賴了各種功能強大的第三方套件, 不過套件百百款, 該從哪些下手呢？很簡單, 很少用到的先不用花太多時間, 我們挑常用、關鍵的先學好！本書為有志於學習資料科學、機器學習的初學者, 嚴選出 NumPy、Pandas、Matplotlib、OpenCV、scikit-learn、tf.Keras 等最強套件, 絕對是初學者必須好好掌握的！ 　　NumPy 數值運算套件可以做資料高速運算, 許多套件也都是以 NumPy 為基礎建構而成, 經常得跟 NumPy 搭配使用, 一定要紮穩這個重要基石； 　　在面對龐大的資料時, 使用 Pandas、Matplotlib 可以輕鬆做資料整理, 並藉由繪圖獲取重要資訊, 是資料科學實作的強大利器； 　　OpenCV 是電腦視覺 (Computer Vision) 領域響叮噹的套件, 不管是裁切、縮放、輪廓偵測、過濾影像以強化資訊...各種影像處理功能一應俱全, 是影像辨識、機器學習做資料擴增的最強助手； 　　最後, 我們將帶您一窺 scikit-learn、tf.Keras 這兩個重量級套件如何在機器學習、深度學習領域中發揮關鍵性的作用, 我們會實際操演如何利用它們做資料預處理 (Preprocessing)、建構 KNN / SVM / 邏輯斯迴歸 (Logistic regression) / 決策樹 (Decision tree) / 隨機森林 (Random forest)…等監督式學習分類模型；以及建立 DNN、CNN 等影像辨識神經網路 (Neural network)。 　　看了本書之後, 你將深刻體會到各套件的強大之處, 利用短短幾行程式碼, 竟然瞬間完成許多運算、建模工作。不過各套件的函式、參數設定可不像網路文章寫的這麼單純, 當中有許多設定「眉角」需要特別注意, 為此, 小編都經過逐一詳測, 針對可能遇到的問題添加大量註解, 幫助讀者更加理解內容！ 本書特色 　　□資料科學熱門套件解說 　　‧紮穩 NumPy 重要基礎：axis、dimention、陣列切片、各種高速運算函式 　　‧Pandas 資料分析技巧：資料清理、缺失值處理、快速取得各種統計數據 　　‧Matplotlib 資料視覺化：繪製 2D / 3D 圖 / 子圖、比較資料的分布狀況 　　‧OpenCV 影像處理：影像裁切 / 縮放 / 翻轉...做資料擴增, 二值化 (binarization) / 降雜訊...強化重要影像資訊 　　□最紮實的機器學習、深度學習實戰 　　‧機器學習的資料預處理 (Data preprocessing) 　　‧快速建構 KNN / SVM / 邏輯斯迴歸 (Logistic regression) / 決策樹 (Decision tree) / 隨機森林 (Random forest)...監督式學習分類模型 　　‧建立 DNN、CNN 影像辨識神經網路 (Neural network) 　　‧建模完只是第一步！各模型超參數 (Hyperparameter) 調整心法大公開！ 　　□本書由【施威銘研究室監修】, 書中針對原書進行大量補充, 並適當添加註解, 幫助讀者更加理解內容！ 目錄 第 1 章 Python 基礎：變數、 資料型別與 if 判斷式 第 2 章 Python 基礎：list、dict 與迴圈 第 3 章 函式、 類別與模組 第 4 章 進階函式及特殊容器 第 5 章 NumPy 高速運算套件 5-1 NumPy 的基本介紹 5-2 陣列的基本操作 5-2-1 建立陣列 5-2-2 陣列的切片操作 5-2-3 使用布林陣列篩選值 5-2-4 陣列的四則計算 5-2-5 體驗好用的 NumPy 函式 5-3 NumPy 多軸陣列 5-3-1 陣列的軸 (axis) 5-3-2 陣列的 shape 5-3-3 多軸陣列的切片做法 5-3-4 陣列轉置 (transpose) 5-3-5 陣列排序 5-3-6 陣列擴張 (Broadcasting) 5-3-7 用 NumPy 函式計算矩陣乘積 第 6 章 pandas 的基礎 6-1 pandas 簡介 6-2 Series 物件的操作處理 6-2-1 建立 Series 物件 6-2-2 取出 Series 當中的元素 6-2-3 單取出「索引值」或者「內容值」-.index、.values 6-2-4 新增 Series 物件的元素–append() 6-2-5 刪除 Series 物件的元素–drop() 6-2-6 從 Series 物件篩選出想要的元素 6-2-7 將 Series 的元素排序–sort_index()、 sort_values() 6-3 DataFrame 物件的操作處理 6-3-1 建立 DataFrame 物件–pd.DataFrame() 6-3-2 修改 index 和 column 的名稱–.index、.column 6-3-4 加入新的資料列–append() 6-3-4 加入新的欄位 6-3-5 取出 DataFrame 當中的元素–df.loc[]、df.iloc[] 6-3-6 刪除 df 物件的列或行–drop() 6-3-7 將欄位值依大小排序–sort_values() 6-3-8 從 df 物件篩選出想要的資料 第 7 章 DataFrame 的串接與合併 7-1 概念說明 7-2 用 concat() 串接多個 DataFrame 7-3 用 merge() 合併多個 DataFrame 第 8 章 DataFrame 的進階應用 8-1 載入外部檔案並做資料整理 8-2 處理 DataFrame 中的缺失值 8-2-1 用 dropna() 刪除含有 NaN (缺失值) 的列 8-2-2 用 fllna() 填補 NaN 值 8-3 分析數據常用到的技巧 (一) 8-3-1 duplicated()、drop_duplicated() - 尋找或刪除 DataFrame 內重複的資料 8-3-2 map()–利用 DataFrame 的既有欄位生成新的欄位 8-3-3 用 cut() 劃分、篩選資料 8-4 分析數據常用到的技巧 (二) 8-4-1 取頭尾列–head()、tail() ...

AIOT與OpenCV實戰應用：Python、樹莓派、物聯網與機器視覺 (3版)

類似書籍推薦給您

AIOT與OpenCV實戰應用：Python、樹莓派、物聯網與機器視覺 系列名：程式設計/APP ISBN13：9786263240193 出版社：碁峰資訊 作者：朱克剛 裝訂／頁數：平裝／304頁 規格：23cm*17cm*2cm (高/寬/厚) 版次：3 出版日：2021/11/29 中國圖書分類：電腦程式語言 內容簡介 　　＊詳細步驟說明，一步步跟著做，有如專家從旁親自指導! 　　＊本書使用Python 3.x、樹莓派4B與OpenCV 4.x 　　＊涵蓋大部分常用感測元件與重要連網技術 　　＊第三版新增影像串流、LCD螢幕與全彩LED燈條、更新MQTT安裝方式 　　朱克剛老師專門培訓物聯網應用工程師，擁有豐富資訊教育訓練經驗，結合 Python、Raspberry Pi 與 OpenCV 的 AIoT 專案開發與教學，遠距實作授課操作流暢畫面優美，如同本書內容一樣，深入淺出，廣受師生好評。－－國立臺北科技大學電子系副教授 曾柏軒 　　本書內容說明清楚，透過實作例子的步驟說明，讓初學者可以快速上手，是一本適合學習的好書。－－國立高雄科技大學電子系教授兼主任秘書 陳銘志 　　樹苺派是最接近AIoT世界的起點，搭配Python與OpenCV工具的使用，可以讓你一窺這個大世界的堂奧。 很高興朱克剛老師把這些元素集結在一本書裡面，讓大家可以快速掌握這張通往未來的門票。－－宏碁強固電腦方案總處長 游鴻志 　　AIoT應用領域十分廣泛，舉凡機器視覺、外觀檢測、智能家居及設備維護監控。本書以深入淺出方式介紹樹莓派軟硬整合框架並採用最新的Python開發技巧，誠摯推薦給所有想要進入AIoT開發者殿堂的一本必備秘笈。－－鴻海集團D事業群/資訊價值創造處資深處長 徐長愷 目錄 第 1 篇　Python 1-1 介紹與安裝 1-2 基礎概念 1-3 字串處理 1-4 函數 1-5 模組與類別 1-6 多執行緒 1-7 檔案存取 1-8 資料庫 1-9 網際網路 1-10 Socket程式 1-11 Tkinter視窗 第 2 篇　樹莓派 2-1 安裝 2-2 常用指令 2-3 GPIO 輸出 2-4 GPIO 輸入 2-5 PWM 2-6 中斷 2-7 數位感測器 2-8 類比感測器 2-9 MQTT 2-10 Web 與 CGI 2-11 攝影機 第 3 篇　OpenCV 3-1 安裝 3-2 顯示攝影機影像 3-3 讀取圖檔與存檔 3-4 2D繪圖 3-5 人臉偵測 3-6 人臉辨識 3-7 特定區域處理 3-8 物體移動追蹤 3-9 背景移除 3-10 色彩辨識與追蹤 3-11 邊緣偵測 3-12 霍夫圓形檢測 3-13 特徵描述 3-14 特徵比對 3-15 多邊形辨識 3-16 多邊形凹凸點計算 3-17 全景圖 3-18 使用DNN 偵測人臉 3-19 使用DNN 進行物件偵測 - YOLO 3-20 網頁與串流 附錄A　使用YOLO 訓練自己的物件

Microsoft Azure AI Services與Azure OpenAI從入門到人工智慧程式開發-使用Python(含MCF AI-900國際認證) (1版)

類似書籍推薦給您

【簡介】 　　體貼初學者學習Azure AI服務的流程！ 　　Azure AI服務功能介紹 > Azure AI服務申請 > 語法解說 > AI範例實作    　　■ 專家與教師共同執筆  　　由微軟AI + Developer 雙領域 MVP與科技大學教師共同編著，針對初學者學習Azure AI領域所應具備的基本素養，所編寫入門教材，內容由淺入深，以引發學習動機為最主要考量，帶領初學者靈活運用Azure AI與Azure OpenAI進行開發AI應用程式。    　　■ 內容多元且淺顯易懂  　　對Azure AI服務的理論做深入淺出的說明，同時廣泛列舉相關應用實例，並使用適當的插圖和圖表，說明Azure AI技術的原理和實際運作方案，讓初學者對Azure AI有更進一步的認識。    　　■ Azure AI服務開發技能  　　介紹實用的入門開發實作，以培養初學者規劃AI解決方案的能力。實作包含：電腦視覺、OCR光學字元辨識、自訂視覺、臉部偵測與分析、文字分析、問題解答知識庫、翻譯、語音合成以及機器學習分類、迴歸和叢集模型的實作範例，並介紹目前最火紅的Azure OpenAI生成式AI開發聊天機器人與AI繪圖程式；詳盡說明實作的程式碼與操作步驟，培養初學者開發AI應用程式的能力。    　　■ Microsoft AI-900人工智慧基礎國際認證能力訓練  　　將認證考試重點融入書中，讀者能藉由練習來了解該章內容重點，同時書末彙整MCF AI-900核心能力國際認證模擬試題，是考取MCF AI-900人工智慧基礎國際認證的最佳教材。  【目錄】 第1章 Microsoft Azure AI 基本概念：使用人工智慧的開始  1.1 人工智慧簡介  1.2 Microsoft Azure AI 簡介  1.3 模擬試題  第2章 負責任的 AI  2.1 AI 造成的道德和社會問題  2.2 了解負責任的AI  2.3 申請Azure 帳戶  2.4 模擬試題  第3章 認識 Colab 程式編輯環境  3.1 Colab 簡介  3.2 安裝 Colab  3.3 Colab 環境簡介  3.4 編輯第一個 Colab 筆記本  3.5 Colab 常用功能  第4章 Gradio 互動式網頁  4.1 簡介認識 Gradio  4.2 Gradio 基本語法介紹  4.3 Gradio 常用的輸出入元件  第5章 探索電腦視覺(一)電腦視覺分析  5.1 Azure AI 視覺簡介  5.2 Azure AI 視覺服務  5.3 Azure AI 服務開發環境與必要條件  5.4 Azure AI 視覺開發實作  5.5 模擬試題  第6章 探索電腦視覺(二)OCR 與文件智慧服務  6.1 光學字元識別 (OCR)  6.2 Azure AI 視覺服務讀取文字  6.3 文件智慧服務和知識採礦  6.4 Azure Al 視覺服務讀取影像文字開發實作  6.5 模擬試題  第7章 探索電腦視覺(三)臉部服務  7.1 臉部辨識服務簡介  7.2 臉部偵測  7.3 臉部分析  7.4 臉部識別  7.5 臉部辨識服務開發實作  7.6 模擬試題  第8章 探索電腦視覺(四)自訂視覺  8.1 自訂視覺簡介  8.2 自訂視覺影像分類  8.3 在 Azure 使用影像分類  8.4 自訂視覺物件偵測  8.5 在 Azure 使用物件偵測  8.6 自訂視覺範例實作  8.7 模擬試題  第9章 探索自然語言處理(一)文字分析  9.1 自然語言處理簡介  9.2 自然語言處理  9.3 使用 Azure AI 語言服務分析文字  9.4 文字分析開發實作  9.5 模擬試題  第10章 探索自然語言處理(二)對話式AI  10.1 對話式AI 簡介  10.2 問題與解答對話系統  10.3 使用交談語言理解建立語言模型  10.4 Azure AI 機器人服務  10.5 自訂問題解答開發實作  10.6 模擬試題  第11章 探索自然語言處理(三)語音與翻譯  11.1 語音辨識與語音合成  11.2 語音服務功能介紹  11.3 文字翻譯  11.4 翻譯服務功能介紹  11.5 文字翻譯開發實作  11.6 語音合成開發實作  11.7 模擬試題  第12章 Azure 機器學習基本原理  12.1 機器學習簡介  12.2 機器學習的工作流程  12.3 機器學習的模型  12.4 分類模型  12.5 迴歸模型  12.6 叢集模型  12.7 模擬試題  第13章 Azure 機器學習實作  13.1 Azure 機器學習服務簡介  13.2 Azure 機器學習設計工具的工作流程  13.3 使用設計工具建立模型  13.4 使用 Azure 機器學習自動化 ML  13.5 使用提示流程建立 AI 應用程式  13.6 模擬試題  第14章 Azure OpenAI  14.1 生成式 AI 簡介  14.2 大型語言模型  14.3 Azure OpenAI 簡介  14.4 Copilots 簡介  14.5 使用提示工程改善生成式 AI 回應  14.6 Azure OpenAI 生成式 AI 應用程式開發實作  14.7 模擬試題  附錄A MCF AI-900 人工智慧基礎國際認證模擬試題  看更多

機器學習─Python程式實作 (1版)

類似書籍推薦給您

【簡介】 內容涵蓋機器學習三大主題：監督式學習、無監督式學習與強化式學習。 採用生動活潑的範例，以深入淺出、圖文並茂的方式，建立良好的理論基礎。 搭配 Python 程式實作，實現「做中學」的學習理念。 提供豐富的學習資源，包含：數學背景、練習題等，厚植機器學習技術研發能力。 【目錄】 Chapter 1 介　紹 Chapter 2 端到端機器學習 Chapter 3 迴　歸 Chapter 4 貝氏分類器 Chapter 5 k-最近鄰 Chapter 6 支援向量機 Chapter 7 決策樹 Chapter 8 隨機森林 Chapter 9 提升方法 Chapter 10 類神經網路 Chapter 11 k-Means分群 Chapter 12 DBSCAN Chapter 13 高斯混合模型 Chapter 14 主成分分析 Chapter 15 t-SNE Chapter 16 強化式學習 附錄 數學背景 習題參考解答 參考文獻