流體力學概論 (1版)

相關熱銷的書籍推薦給您

書名：流體力學概論 作者：王鴻烈‧林沐謙 出版社：高立 出版日期：2019/10/00 ISBN：9789864123667 內容簡介 本書的特色為鼓勵學生涉及流體力學原理之學習時，有 5 個循序漸進的方法： 基本觀念瞭解，避免深奧理論之探討。 對問題解決分析方法之邏輯性判斷。 能完成問題中細部資料之能力。 有能力對一系統的設計給予批判或改進。 有能力去設計實際、有效率的流體流動系統。 目錄 第一章 概　論 第二章 流體靜力學 第三章　流體動力學 第四章　物體之受力 第五章　管　流 第六章　流體力學量測方法 附錄A　流體之物理性質 附錄B　幾何性質 附錄C　基本向量分析 參考書籍 英中文索引

物理因子治療學-冷.熱.光.水療及機械性治療學 (2版)

類似書籍推薦給您

書名：物理因子治療學-冷.熱.光.水療及機械性治療學(第二版) 作者：楊雅如 出版社：合記 出版年份：2019 條碼：9789863683148 簡介： 物理因子介入是物理治療的選項之一，如果搭配恰當的治療計畫，是能有效改善病患的症狀，進而協助提升功能與生活品質。只要不濫用，嚴選慎用，物理因子依舊是物理治療師的利器，這亦是學會依然願意召集國內專家學者著手改版，就是期望給學子們有所依循。除此之外，對於近年來實證醫學的觀念越來越受重視，本版內容並依據目前實證進行更新。本書不僅為物理治療學系的教科用書，對於已經在臨床上工作的治療師，亦為極佳的參考用書。

不靠框架硬功夫：Scikit-learn手刻機器學習每行程式碼(好評熱銷版) (2版)

類似書籍推薦給您

【簡介】 ☆好評熱銷再上市☆ ★ ML 最強套件 scikit-learn ✕ 經典演算法， 帶領你徹底攻略所有 ML 必備理論與實踐技能！ ★ 　　機器學習是一門多領域交叉學科，涉及機率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。其研究電腦模擬或實現人類的學習行為，獲取新的知識，重新組合現有知識結構並改善自身的效能。 　　本書針對機器學習領域描述了多個學習模型、策略、演算法、理論以及應用，以 Python 3 為基礎，使用 scikit-learn 解決實際問題。 　　全書完整介紹機器學習基本概念、演算法流程、模型建構、資料訓練、模型評估與最佳化、必備工具和實現方法，並佐以實際案例，以機器學習的經典演算法為軸線：演算法分析 ▶ 資料獲取 ▶ 模型建構 ▶ 推斷 ▶ 演算法評估，讓你理論與實踐技能一次學會，輕易上手。 本書特色 　　ML 的最佳參考書，scikit-learn 的最紮實實戰應用，亦為深入 AI 技術的優良基礎！ 　　● 機器學習概述 　　● 資料特徵提取 　　● scikit-learn 估計器分類 　　● 單純貝氏分類 　　● 簡單線性迴歸到多元線性迴歸 　　● k 近鄰演算法分類 　　● 線性迴歸到邏輯迴歸 　　● 非線性分類與決策樹迴歸 　　● 決策樹到隨機森林 　　● 感知機到支持向量機 　　● 從感知機到類神經網路 　　● 主成分分析降維  【目錄】 01 機器學習概述 1.1 什麼是機器學習 1.2 機器學習的作用領域 1.3 機器學習的分類 1.4 機器學習理論基礎 1.5 機器學習應用程式開發的典型步驟 1.6 本章小結 1.7 複習題 02 機器學習之資料特徵 2.1 資料的分佈特徵 2.2 資料的相關性 2.3 資料的聚類性 2.4 資料主成分分析 2.5 資料動態性及其分析模型 2.6 資料視覺化 2.7 本章小結 2.8 複習題 03 用scikit-learn 估計器分類 3.1 scikit-learn 基礎 3.2 scikit-learn 估計器 3.3 本章小結 3.4 複習題 04 單純貝氏分類 4.1 演算法原理 4.2 單純貝氏分類 4.3 單純貝氏分類實例 4.4 單純貝氏連續值的處理 4.5 本章小結 4.6 複習題 05 線性回歸 5.1 簡單線性回歸模型 5.2 分割資料集 5.3 用簡單線性回歸模型預測考試成績 5.4 本章小結 5.5 複習題 06 用 k 近鄰演算法分類和回歸 6.1  k 近鄰演算法模型 6.2 用 k 近鄰演算法處理分類問題 6.3 用 k 近鄰演算法對鳶尾花進行分類 6.4 用 k 近鄰演算法進行回歸擬合 6.5 本章小結 6.6 複習題 07 從簡單線性回歸到多元線性回歸 7.1 多變數的線性模型 7.2 模型的最佳化 7.3 用多元線性回歸模型預測波士頓房價 7.4 本章小結 7.5 複習題 08 從線性回歸到邏輯回歸 8.1 邏輯回歸模型 8.2 多元分類問題 8.3 正則化項 8.4 模型最佳化 8.5 用邏輯回歸演算法處理二分類問題 8.6 辨識手寫數字的多元分類問題 8.7 本章小結 8.8 複習題 09 非線性分類和決策樹回歸 9.1 決策樹的特點 9.2 決策樹分類 9.3 決策樹回歸 9.4 決策樹的複雜度及使用技巧 9.5 決策樹演算法：ID3、C4.5 和CART 9.6 本章小結 9.7 複習題 10 整合方法：從決策樹到隨機森林 10.1 Bagging 元估計器 10.2 由隨機樹組成的森林 10.3 AdaBoost 10.4 梯度提升回歸樹 10.5 本章小結 10.6 複習題 11 從感知機到支援向量機 11.1 線性支援向量機分類 11.2 非線性支援向量機分類 11.3 支援向量機回歸 11.4 本章小結 11.5 複習題 12 從感知機到類神經網路 12.1 從神經元到類神經元 12.2 感知機 12.3 多層感知機 12.4 本章小結 12.5 複習題 13 主成分分析降維 13.1 資料的向量表示及降維問題 13.2 向量的表示及基變換 13.3 協方差矩陣及最佳化目標 13.4 PCA 演算法流程 13.5 PCA 實例 13.6 scikit-learn PCA 降維實例 13.7 核心主成分分析KPCA 簡介 13.8 本章小結 13.9 複習題 A 參考文獻

機器學習聖經：最完整的統計學習方法(好評熱銷版) (2版)

類似書籍推薦給您

【簡介】 ＼\好評熱銷再上市/／ ☆☆統計學習方法全書☆☆   　　統計學習方法即為機器學習方法，是電腦及其應用領域的重要學科之一。 　　本書分為監督學習、無監督學習兩篇，全面系統地介紹了統計學習的主要方法。   　　將監督學習和無監督學習中最常用、最重要的各類方法以系統性的方式論述，每章講解一種方法，各章內容相對獨立且完整，也有相關習題、參考文獻，並於最後加以總結。讀者可以將全書詳讀，也可以選擇單章細讀。期望讓讀者可以順利掌握完整又清晰的相關知識，進而打下穩固的基礎，並能準確地使用。   　　本書涵蓋感知機、k近鄰法、單純貝氏法、決策樹、邏輯回歸及最大熵模型、支持向量機、提升方法、EM演算法、隱馬可夫模型、條件隨機場、聚類法、奇異值分解(SVD)、主成分分析(PCA)、潛在語義分析、機率潛在語義分析、馬可夫鏈蒙地卡羅法、潛在狄利克雷分配(LDA)、PageRank演算法等。   　　【適合讀者群】 　　．具高等數學、線性代數和機率統計的基礎知識 　　．從事資訊檢索、自然語言處理、文字資料探勘等領域的學生與研究人員 　　．從事電腦應用相關專業的研究人員 【目錄】 ▌第1篇 監督學習 Chapter01 統計學習及監督學習概論 1.1 統計學習 1.2 統計學習的分類 1.3 統計學習方法三要素 1.4 模型評估與模型選擇 1.5 正則化與交叉驗證 1.6 泛化能力 1.7 生成模型與判別模型 1.8 監督學習應用   Chapter 02 感知機 2.1 感知機模型 2.2 感知機學習策略 2.3 感知機學習演算法   Chapter 03 k近鄰法 3.1 k近鄰演算法 3.2 k近鄰模型 3.3 k近鄰法的實現：kd樹   Chapter 04 單純貝氏法 4.1 單純貝氏法的學習與分類 4.2 單純貝氏法的參數估計   Chapter 05 決策樹 5.1 決策樹模型與學習 5.2 特徵選擇 5.3 決策樹的生成 5.4 決策樹的剪枝 5.5 CART演算法   Chapter 06 邏輯回歸與最大熵模型 6.1 邏輯回歸模型 6.2 最大熵模型 6.3 模型學習的最佳化演算法   Chapter 07 支持向量機 7.1 線性可分支持向量機與硬間隔最大化 7.2 線性支持向量機與軟間隔最大化 7.3 非線性支持向量機與核函數 7.4 序列最小最佳化演算法   Chapter 08 提升方法 8.1 提升方法AdaBoost演算法 8.2 AdaBoost演算法的訓練誤差分析 8.3 AdaBoost演算法的解釋 8.4 提升樹   Chapter 09 EM演算法及其推廣 9.1 EM演算法的引入 9.2 EM演算法的收斂性 9.3 EM演算法在高斯混合模型學習中的應用 9.4 EM演算法的推廣   Chapter 10 隱馬可夫模型 10.1 隱馬可夫模型的基本概念 10.2 機率計算演算法 10.3 學習演算法 10.4 預測演算法   Chapter 11 條件隨機場 11.1 機率無向圖模型 11.2 條件隨機場的定義與形式 11.3 條件隨機場的機率計算問題 11.4 條件隨機場的學習演算法 11.5 條件隨機場的預測演算法   Chapter 12 監督學習方法總結   ▌第2篇 無監督學習 Chapter 13 無監督學習概論 13.1 無監督學習基本原理 13.2 基本問題 13.3 機器學習三要素 13.4 無監督學習方法   Chapter 14 聚類方法 14.1 聚類的基本概念 14.2 層次聚類 14.3 k均值聚類   Chapter 15 奇異值分解 15.1 奇異值分解的定義與性質 15.2 奇異值分解的計算 15.3 奇異值分解與矩陣近似   Chapter 16 主成分分析 16.1 整體主成分分析 16.2 樣本主成分分析   Chapter 17 潛在語義分析 17.1 單字向量空間與話題向量空間 17.2 潛在語義分析演算法 17.3 非負矩陣分解演算法   Chapter 18 機率潛在語義分析 18.1 機率潛在語義分析模型 18.2 機率潛在語義分析的演算法   Chapter 19 馬可夫鏈蒙地卡羅法 19.1 蒙地卡羅法 19.2 馬可夫鏈 19.3 馬可夫鏈蒙地卡羅法 19.4 Metropolis-Hastings演算法 19.5 吉布斯抽樣   Chapter 20 潛在狄利克雷分配 20.1 狄利克雷分佈 20.2 潛在狄利克雷分配模型 20.3 LDA的吉布斯抽樣演算法 20.4 LDA的變分EM演算法   Chapter 21 PageRank演算法 21.1 PageRank的定義 21.2 PageRank的計算   Chapter 22 無監督學習方法總結 22.1 無監督學習方法的關係和特點 22.2 話題模型之間的關係和特點   Appendix A 梯度下降法 Appendix B 牛頓法和擬牛頓法 Appendix C 拉格朗日對偶性 Appendix D 矩陣的基本子空間 Appendix E KL散度的定義和狄利克雷分佈的性質 Appendix F 索引

國營事業講重點【熱力學與熱機學】 (1版)

類似書籍推薦給您

書名：國營事業講重點【熱力學與熱機學】 作者：林禾 出版社：大碩 出版日期：2019/03/00 ISBN：9789863452737 內容簡介 熱力學(Thermodynamics)是為研究能量相互轉換關係的一門科學。熱力學的歷史在早期是為研究蒸汽機及其性能，至現今風力發電、太陽能電池、燃料電池、電動車與LED等研發都是當代全球最夯的主題與發展重點。所以熱力學在古早至現今的科學中，皆佔有舉足輕重的地位。尤其近年有關能源的話題不斷地被全球會議提出與討論，熱力學的重要性不言可喻。 筆者認為要學好或考好熱力學有兩個重點，分別是： 　　一.通其觀念、脈其思路 　　要學好熱力學，絕非單純背誦公式或多算題目即可！因此筆者在各單元中的內容、例題，都會以較親切、易懂的口吻來表達，使讀者能在短時間內輕鬆學會，並且熟悉題型，而不再懼怕熱力學。 　　二.一次準備，考試通吃 　　本書內容網羅了國營事業近幾年的精選歷屆試題，因此本書中的題型相當廣泛，使讀者擁有這一本書籍，即可快速抓住不同類型考試之重點。 　　※本書適用經濟部新進職員、台電僱員考試，是您重點複習的最佳首選。 　　本書特色： 　　◎重點整理，去蕪存菁 　　各題型的內容說明都有重點整理，可讓讀者在極短時間內掌握各題型的觀念與考法。 　　◎內容新穎、鑑往知來 　　各題型例題皆為其代表性精選試題，確切掌握出題趨勢及準備方向，可達事半功倍之效。 　　◎解題靈丹，重點整理 　　各題型的例題答案均有詳細精準的解答，內容編排流暢，解題步驟完整，協助讀者迅速破題。 　　◎剖析題意，清晰觀念 　　針對精選試題提供題意說明，幫助讀者快速了解題意及解題重點。 目錄 第一單元　熱力序論 題型1　熱力學定義 題型2　系統定義及類型 題型3　重要名詞定義 題型4　重要過程定義 第二單元　純質性質及狀態 題型5　相圖的剖析 題型6　熱力學查表 題型7　理想氣體 題型8　范德瓦氣體 題型9　吉博士相定律 第三單元　熱力學第一定律 題型10　封閉系統－純質計算型 題型11　封閉系統－理想氣體型 題型12　封閉系統－循環組合型 題型13　開放系統－純質計算型 題型14　開放系統－理想氣體型 題型15　開放系統－循環組合型 題型16　暫態流－純質計算型 題型17　暫態流－理想氣體型 第四單元　熱力學第二定律 題型18　熱力學第二定律的兩個說法 題型19　熱機、冷凍機與熱泵 第五單元　熵 題型20　克勞休斯不等式 題型21　熵的定義及觀念 題型22　熵增加計算－純質計算型 題型23　熵增加計算－不可壓縮物質型 題型24　熵增加計算－理想氣體型 題型25　熵平衡 題型26　熵增加相關證明 第六單元　可用能 題型27　可用能定義 題型28　封閉系統可用能 題型29　開放系統可用能 題型30　可用能平衡 第七單元　動力循環 題型31　卡諾循環 題型32　修正卡諾熱機 題型33　史特靈循環與易利信循環 題型34　朗肯循環 題型35　奧圖循環 題型36　笛塞爾循環 題型37　雙燃循環 題型38　布雷登循環 題型39　特殊循環 題型40　卡諾冷凍機 題型41　修正版冷凍循環 第八單元　熱力關係式 題型42　吉博士與麥克斯威爾關係式 題型43　熵變化一般式 題型44　內能變化一般式 題型45　焓變化一般式 題型46　克拉皮龍方程式 題型47　焦爾－湯姆遜係數 題型48　比熱關係式 第九單元　特殊單元 題型49　濕度學 題型50　熱化學

熱力學與熱機學(下) (9版)

類似書籍推薦給您

書名：熱力學與熱機學(下)(9版) 作者：李祥 出版社：鼎茂 出版日期：2016/08/00 ISBN：9789863452560 內容簡介 　　「熱力學與熱機學」這個讓人聽了總是要皺眉頭的科目，有這麼難嗎？是同學誤解？還是師資有問題？「選錯了老師就像潑出去的水一樣，永遠無法回頭」。 　　熱力學、熱工學、熱機學在各種考試當中佔有極重要的比例，只要多加把握拿取高分則勝利在望。 　　就讀機械、材料、造船、航空等相關科系的同學，在研讀熱力學、熱工學、熱機學的課程時，最大的困難在於無從著手、觀念模糊或前後觀念無法連貫。而且最糟糕的是，所有相關的參考書籍都有一個共同的缺點，那就是冗言太多、廢話連篇。 　　有鑑於此，本書對於觀念的闡述採用重點條文式，讓各位同學在最短時間之內迅速進入狀況，迅速掌握觀念。 　　本書收集了相關的題目，包括研究所、高考、技師等等相關考題，提供各位同學作為自我練習、自我測驗之用。 目錄 第十章 可用率 第十一章 熱力一般式 第十二章 氣體混合 第十三章 濕度混合氣 第十四章 燃燒與熱化學 第十五章 化學平衡