用ChatGPT輕鬆玩轉機器學習與深度學習


	本書主要內容包括探索性資料分析、有監督學習 (線性回歸、SVM、決策樹等)、無監督學習 (降維、聚類等), 以及深度學習的基礎原理和應用等。本書旨在為廣大讀者提供一個系統全面、易於理解的機器學習和深度學習入門教程。不需要過多的數學背景, 只需掌握基本的程式設計知識即可輕鬆上手。



	購買中國簡體書籍請注意： 1. 因裝幀品質及貨運條件未臻完善，中國簡體書可能有出現磨痕、凹痕、折痕等問題，故簡體字館除封面破損、內頁脫落、缺頁等較嚴重的狀態外，其餘所有商品將正常出貨。


	目錄第1章讓ChatGPT告訴我們什麼是機器學習 1.1 問問ChatGPT什麼是機器學習 1.2 問問ChatGPT機器學習有什麼用 1.3 機器學習有什麼應用案例 1.4 機器學習系統有哪些類型 1.5 機器學習面臨哪些挑戰 1.6 機器學習模型該如何測試和驗證 1.7 習題15 第2章讓ChatGPT告訴我們機器學習的基本流程 2.1 讓ChatGPT幫我們找資料 2.2 讓ChatGPT幫我們安裝Anaconda 2.3 讓ChatGPT教我們進行探索性資料分析 2.4 試試訓練一下模型 2.5 習題第3章讓ChatGPT帶我們玩轉線性模型 3.1 讓ChatGPT告訴我們什麼是線性模型 3.2 線性模型也可以用於分類 3.3 什麼是正則化 3.4 習題60 第4章讓ChatGPT帶我們玩轉支持向量機 4.1 讓ChatGPT解釋非線性問題的基本概念 4.2 支援向量機的核函數 4.3 支持向量機用於回歸任務 4.4 支持向量機的超參數 4.5 習題第5章讓ChatGPT帶我們玩轉決策樹 5.1 讓ChatGPT介紹一下決策樹演算法 5.2 決策樹演算法基礎知識 5.3 決策樹演算法的實現 5.4 決策樹演算法的不足與改進 5.5 習題第6章讓ChatGPT帶我們玩轉集成學習 6.1 讓ChatGPT介紹一下集成學習演算法 6.2 基本的集成學習演算法 6.3 高級的集成學習演算法 6.4 習題第7章讓ChatGPT帶我們玩轉模型優化 7.1 讓ChatGPT介紹模型優化的基本概念 7.2 讓ChatGPT介紹損失函數 7.3 讓ChatGPT介紹學習率 7.4 讓ChatGPT介紹模型的超參數 7.5 習題第8章讓ChatGPT帶我們玩轉資料降維 8.1 讓ChatGPT介紹資料降維的基本概念 8.2 讓ChatGPT帶我們玩轉PCA 8.3 讓ChatGPT帶我們玩轉ICA 8.4 讓ChatGPT帶我們玩轉t-SNE 8.5 習題第9章讓ChatGPT帶我們玩轉聚類演算法 9.1 讓ChatGPT介紹聚類演算法的基本概念 9.2 讓ChatGPT帶我們玩轉K-Means 9.3 讓ChatGPT帶我們玩轉層次聚類 9.4 讓ChatGPT帶我們玩轉密度聚類 9.5 習題第10章讓ChatGPT帶我們玩轉神經網路 10.1 讓ChatGPT介紹神經網路的基本概念 10.2 神經網路的結構 10.3 神經網路中的傳播演算法 10.4 神經網路的局限性和未來發展 10.5 習題第11章讓ChatGPT帶我們玩轉Keras 11.1 讓ChatGPT介紹一下Keras 11.2 用Keras搭建簡單的神經網路 11.3 模型的訓練參數 11.4 神經網路的超參數 11.5 習題第12章讓ChatGPT帶我們玩轉圖像分類 12.1 讓ChatGPT介紹一下電腦視覺 12.2 讓ChatGPT介紹卷積神經網路 12.3 圖像分類任務實戰 12.4 習題第13章讓ChatGPT帶我們玩轉自然語言處理 13.1 讓ChatGPT介紹一下自然語言處理 13.2 讓ChatGPT帶我們認識RNN與LSTM 13.3 讓ChatGPT帶我們認識文本表示 13.4 來個專案實戰吧 13.5 習題第14章讓ChatGPT帶我們玩轉遷移學習 14.1 讓ChatGPT介紹一下遷移學習 14.2 讓ChatGPT介紹遷移學習的實現 14.3 讓ChatGPT介紹Transformer架構 14.4 實戰遷移學習 14.5 習題附錄 ChatGPT使用指南