廠商詳情
Shoeisha Co., Ltd.
| 地址 | 5 Funamachi Shinjuku-ku Tokyo, 日本郵編:160-0006 |
|---|---|
| 負責人姓名 | Kaoru Usui |
| 年銷售額 | 非公開 |
| 公司人數 | 185 |
| 網址 |
SD商品編號:13014455
| 詳情 | 價格 & 數量 | ||
|---|---|---|---|
| S1 |
池田雄太郎、田尻俊宗、下浦雄大（作者）
 Original text before translation
池田 雄太郎、田尻 俊宗、新保 雄大 (著)
(163400)
JAN:9784798163406
|
(163400)
JAN:9784798163406
批發價: 僅限會員查看
1個/組
有庫存
|
|
| 出貨時期 |
|---|
|
約1週
|
| 尺寸 |
|---|
|
格式： B5 大小
页数：304 |
| 商品規格 |
|---|
描述
| 您可以在解决熟悉问题的同时，从基础开始扎实地了解机器学习！ *产品介绍 本书介绍了如何使用 Python 解决机器学习中的实际问题。你可以在动手操作的同时学习数据分析和算法。在本书中，你将分三步解决问题：[1.问题分析]、[2.数据分析]和[3.预测]。 *本书的特点 基于现实场景的解释 本书通过设置基于现实场景的[问题]来讲解如何使用机器学习解决问题。你将学会如何根据问题选择算法，以及如何推进项目。 2.学习机器学习的最佳算法 在本书中，你可以通过实际案例学习机器学习中使用的算法。您可以系统地了解使用哪种算法来解决熟悉的业务问题。 *本书适合以下人群阅读 *已经在一定程度上学习了Python，并希望学习机器学习或迈出第一步的人。 *想在工作或个人项目中使用机器学习的人。 *不仅想通过课本学习，还想通过实践经验来学习的人。 *目录 第1章 开始机器学习之前 第2章 让我们从基础开始 2-1 关于第 2 章 2-2 回归算法：预测房地产价格 2-3 分类算法：预测员工退休情况 第 3 章 尝试各种算法 3-1 关于第三章 3-2 时间序列预测算法：预测产品销量 3-3 推荐算法：根据个人喜好推荐产品 3-4 异常检测算法：检测水泵故障 第 4 章 让我们处理各种数据 4-1 关于第 4 章 4-2 文本数据：让我们分析产品评论 4-3 图像数据：让我们识别图像 第5章 让我们深入探讨每个流程 5.1 关于第五章 5.2 数据观察 5.3 特征生成*学习 5.4 选择机器学习算法和评估指标 5.5 训练和选择机器学习模型 第6章 运行模型 6-1 运行机器学习模型 6-2 批量预测 6-3 尝试实时预测 |
更多
| 寄送方式 | 預計抵達時間 |
|---|---|
| Sea Mail | 從 2025年12月23日 到 2026年02月24日 |
| Air Mail | 從 2025年12月05日 到 2025年12月09日 |
| EMS | 從 2025年12月04日 到 2025年12月09日 |
| Pantos Express | 從 2025年12月08日 到 2025年12月11日 |
| DHL | 從 2025年12月04日 到 2025年12月08日 |
| UPS | 從 2025年12月04日 到 2025年12月08日 |
| FedEx | 從 2025年12月04日 到 2025年12月08日 |
|
某些交易條件可能僅適用於日本
本产品（书籍）受转售价格维护计划的约束。 法律允许制造商（出版商）指定销售价格。在不太可能的情况下，如果你没有这样做，我们可以终止交易。在不太可能的情况下，如果你没有这样做，我们可以终止交易。
|
*产品介绍
本书介绍了如何使用 Python 解决机器学习中的实际问题。你可以在动手操作的同时学习数据分析和算法。在本书中，你将分三步解决问题：[1.问题分析]、[2.数据分析]和[3.预测]。
*本书的特点
基于现实场景的解释
本书通过设置基于现实场景的[问题]来讲解如何使用机器学习解决问题。你将学会如何根据问题选择算法，以及如何推进项目。
2.学习机器学习的最佳算法
在本书中，你可以通过实际案例学习机器学习中使用的算法。您可以系统地了解使用哪种算法来解决熟悉的业务问题。
*本书适合以下人群阅读
*已经在一定程度上学习了Python，并希望学习机器学习或迈出第一步的人。
*想在工作或个人项目中使用机器学习的人。
*不仅想通过课本学习，还想通过实践经验来学习的人。
*目录
第1章 开始机器学习之前
第2章 让我们从基础开始
2-1 关于第 2 章
2-2 回归算法：预测房地产价格
2-3 分类算法：预测员工退休情况
第 3 章 尝试各种算法
3-1 关于第三章
3-2 时间序列预测算法：预测产品销量
3-3 推荐算法：根据个人喜好推荐产品
3-4 异常检测算法：检测水泵故障
第 4 章 让我们处理各种数据
4-1 关于第 4 章
4-2 文本数据：让我们分析产品评论
4-3 图像数据：让我们识别图像
第5章 让我们深入探讨每个流程
5.1 关于第五章
5.2 数据观察
5.3 特征生成*学习
5.4 选择机器学习算法和评估指标
5.5 训练和选择机器学习模型
第6章 运行模型
6-1 运行机器学习模型
6-2 批量预测
6-3 尝试实时预测
*Product Introduction
This book explains how to solve real-world problems with machine learning using Python. You can learn about data analysis and algorithms while working with your hands. In this book, you will solve problems in three steps: [1. problem analysis], [2. data analysis], and [3. prediction].
*Features of this book
Explanations based on realistic scenarios
This book explains how to solve problems using machine learning by setting up [problems] based on realistic scenarios. You will learn how to select an algorithm based on the problem and how to move the project forward.
2. Learn the best algorithm for machine learning
In this book, you can learn the algorithms used in machine learning through actual examples. You can systematically understand what kind of algorithm to use to solve familiar business problems.
*This book is for the following people
*Those who have finished learning Python to some extent and would like to study machine learning or take the first step.
*Those who want to use machine learning in their work or personal projects.
*Those who want to learn not only by textbook study but also by hands-on experience.
*Table of Contents
Chapter1 Before Starting Machine Learning
Chapter2 Let's start with the basics
2-1 About Chapter2
2-2 Regression Algorithm: Predicting Real Estate Prices
2-3 Classification Algorithm: Predicting Employee Retirements
Chapter3 Let's Try Various Algorithms
3-1 About Chapter3
3-2 Time Series Prediction Algorithm: Let's Predict Product Sales
3-3 Recommendation Algorithm: Let's Recommend Products According to Personal Tastes
3-4 Anomaly Detection Algorithm: Let's Detect Pump Failures
Chapter4 Let's deal with various data
4-1 About Chapter 4
4-2 Text Data: Let's Analyze Product Reviews
4-3 Image Data: Let's Identify Images
Chapter5 Let's explore each process in depth
5.1 About Chapter5
5.2 Data Observation
5.3 Feature Generation*Learning
5.4 Selecting Machine Learning Algorithms and Evaluation Metrics
5.5 Training and Selecting a Machine Learning Model
Chapter6 Let's operate the model
6-1 Let's run a machine learning model
6-2 Batch Forecasting
6-3 Let's try real-time forecasting