Python Machine Learning

• 探索各種不同的機器學習模型，為你的需求提供多種解決方案。


• 利用 Theano 與 Keras 建構類神經網路運算。


• 撰寫清晰、優雅的 Python 程式碼，使演算法效益最大化。


• 將機器學習模型嵌入於 Web 應用程式之中。


• 透過迴歸分析來預測連續性目標的結果。


• 藉由集群分析發掘隱藏的資料模式與結構。


• 利用高效率的預處理技術來組織資料，並應用最佳實踐來評估機器學習模型。


• 深入探索文字資料及社群媒體資料以實現情緒分析。

• 01 賦予電腦從數據中學習的能力


• 02 訓練機器學習的分類演算法


• 03 使用 scikit-learn 巡覽機器學習分類器


• 04 建構良好的訓練數據集——數據預處理


• 05 降維來壓縮數據


• 06 學習模型評估和超參數調校的最佳實作


• 07 結合不同模型來做整體學習


• 08 將機器學習應用於情緒分析


• 09 在 Web 應用程式上嵌入機器學習模型


• 10 以迴歸分析預測連續目標變量


• 11 使用未標記的數據——集群分析


• 12 訓練類神經網路來做圖形識別


• 13 以 Theano 平行化地訓練類神經網路