機器學習的基礎概論：Python程式設計我也可以成功做到(第1版) / 張紹勳, 張任坊, 張博一
產品編號：9786264423670
促銷 知識不打烊｜五南出版 3~8月 限定79折
網路價
NT${{ commaFormat(product.price_actu) }}
NT${{commaFormat(product.price_sugg)}}
專屬特惠價 NT${{ commaFormat(product.group_price) }}
優惠價
NT${{ commaFormat(product.member_price) }}
NT${{ commaFormat(product.group_price) }}
商品組合
贈品 (買就送)
{{ pItem.title }}
付款方式
轉帳/匯款/無摺存款/至總店購書時使用文化幣 / LinePay付款 / 超商代碼付款(綠界金流) / 信用卡一次付清(綠界金流) / AFTEE 先享後付 / [圖書專用] 7-11取貨付款(限1000~3000元訂單使用)
配送方式
7-11超商取貨 / 全家超商取貨 / 宅配到家 / 校園書局門市取貨(取貨加碼送5元折價)
超值加購
{{ pItem.title }}
型號:{{ pItem.model }}
加購價 NT${{pItem.extra_price}}
(原價NT${{pItem.price_orig}})
加購數量
已搶購一空
作 者：張紹勳 、張任坊 、張博一
出版社別：五南
書 系：研究&方法
出版日期：2026/05/04(1版1刷)
ＩＳＢＮ：978-626-442-367-0
E I S B N：9786264423687
【內容】
⊙循序漸進紮實基礎：從核心概念出發，涵蓋監督式、非監督式與強化學習，並提供關鍵的數學推導（如梯度下降、線性代數），以建立深厚的機器學習底層邏輯。
⊙經典演算法至深度學習全解析：並重經典迴歸、決策樹與SVM，並深度拆解CNN、RNN、LSTM及當前主流的Transformer架構，接軌AI業界最熱門的技術核心。
⊙Python實作與全生命週期導引：搭配主流程式碼與Kaggle真實數據集，完整走過資料清洗、特徵工程到模型評估的專案流程，同時深入探討AI倫理與模型可解釋性。
本書兼具理論知識的傳授與實務應用能力的培養。
全書以核心概念紮實基礎，並輔以數學直覺和必要的推導（如梯度下降、機率論、線性代數）說明，內容涵蓋廣泛，從經典迴歸模型到現代深度學習的熱門應用——CNN、RNN及領先時代的Transformer架構，均有深入淺出的探討。
實務操作以Python程式碼應用為重點，搭配Scikit-learn、TensorFlow與PyTorch等函式庫，完整拆解從資料清洗、特徵工程到模型評估的「專案全生命週期」。透過Kaggle等真實數據集的實戰演練，讀者將可親手實作圖像分類與自然語言處理等案例。此外，本書更具備前瞻性的倫理視角，深入討論數據偏見與模型可解釋性，讓讀者對機器學習概念、方法與實踐能有全面的理解。
【目錄】
第一部分 核心概念與基礎
Chapter01 機器學習概論
1-1 機器學習的起源：定義、歷史、應用領域與重要性
1-2 機器學習與人工智慧、數據科學的關係
1-3 學習前的準備
Chapter02 Python程式語言的安裝與基礎操作
2-1 Python程式語言的安裝
2-2 Jupyter Notebook基礎操作
2-3 Python基礎知識：變數、類型、運算、陣列、流程控制、函式等
2-4 Python的資料處理與視覺化：繪製二維／三維圖形、資料清理與準備
Chapter03 機器學習的類型
Chapter04 機器學習中的數學／統計基礎
4-1 統計與AI關係
4-2 線性代數（矩陣、向量）簡介
4-2-1 向量
4-2-2 矩陣
4-2-3 矩陣的Python程式設計
4-3 微積分（梯度、偏微分、梯度下降）
4-3-1 梯度、偏微分、梯度下降在AI的應用領域
4-3-2 偏微分定義
4-3-3 梯度下降定義
4-4 機率與統計（機率分布、期望值、最大概似估計）
4-4-1 機率在AI的應用領域
4-4-2 機率分布
4-4-3 貝氏定理（Bayes’ theorem）
4-4-4 期望值
4-4-5 最大概似估計
第二部分 數據處理與模型評估
Chapter05 數據處理與準備
5-1 數據清洗、缺失值處理、異常值處理
5-2 數據標準化（Standardization）與正規化（Normalization）
5-3 類別特徵編碼（如One-Hot Encoding）簡介
5-4 模型評估與選擇
5-4-1 訓練集（Training Set）、驗證集（Validation Set）、測試集（Test Set）的劃分
5-4-2 交叉驗證（Cross-Validation）
5-5 分類模型評估指標：準確度、精確度、召回率、F1分數、ROC曲線與AUC
5-5-1 分類模型評估指標：準確度（Accuracy）的Python程式設計
5-5-2 精確度（Precision）的Python程式設計
5-6 線性迴歸的Python程式設計：模型評估指標（如R2或MSE）
第三部分 經典機器學習演算法（傳統ML）
Chapter06 常見機器學習演算法的原理、優缺點與應用
6-1 線性模型簡介
6-1-1 線性迴歸（Linear Regression）簡介
6-1-2 羅吉斯迴歸（Logistic Regression）（用於分類）
6-1-3 Lasso迴歸：特徵選擇與降維（Feature Selection and Dimensionality Reduction）
6-2 決策樹與集成方法（Ensemble Methods）簡介
6-2-1 隨機森林（Random Forest）簡介
6-2-2 支援向量機（Support Vector Machine, SVM）簡介
6-3 近鄰法
6-4 非監督學習的類型
6-4-1 K－均值聚類（K-Means Clustering）簡介
6-4-2 主成分分析（Principal Component Analysis, PCA）：降維
第四部分 深度學習的入門：深度學習與神經網路
Chapter07 神經網路的概念
7-1 神經網路之基本概念
7-1-1 感知器（Perceptron）概念
7-1-2 多層感知器（Multi-Layer Perceptron, MLP）簡介
7-1-3 激活函數（Activation Functions）介紹
7-1-4 反向傳播（Backpropagation）簡介
7-1-5 神經元模型
7-1-6 反向傳播（Backpropagation）演算法
7-2 深度學習模型（Deep Learning Model）
7-2-1 深度前饋網路（Deep Feedforward Networks）
7-2-2 卷積神經網路（Convolutional Neural Network, CNN）簡介
7-2-3 遞迴神經網路（RNN）：序列建模
7-2-4 訓練深度模型的優化：正規化（Regularization）、優化方法（Optimization）（如梯度下降、Adam）
Chapter08 進階主題與應用
8-1 強化學習（Reinforcement Learning, RL）
8-2 自然語言處理（NLP）
8-2-1 自然語言處理（Natural Language Processing, NLP）簡介
8-2-2 自然語言處理（NLP）如何運作（基本流程）
8-2-3 NLP底層技術
8-3 深度生成模型（Deep Generative Models）
8-4 機器學習的實用方法論：模型驗證與評估、錯誤分析等
8-4-1 機器學習的模型驗證與評估
8-4-2 機器學習的錯誤分析
第一部分 核心概念與基礎
Chapter01 機器學習概論
1-1 機器學習的起源：定義、歷史、應用領域與重要性
1-2 機器學習與人工智慧、數據科學的關係
1-3 學習前的準備
Chapter02 Python程式語言的安裝與基礎操作
2-1 Python程式語言的安裝
2-2 Jupyter Notebook基礎操作
2-3 Python基礎知識：變數、類型、運算、陣列、流程控制、函式等
2-4 Python的資料處理與視覺化：繪製二維／三維圖形、資料清理與準備
Chapter03 機器學習的類型
Chapter04 機器學習中的數學／統計基礎
4-1 統計與AI關係
4-2 線性代數（矩陣、向量）簡介
4-2-1 向量
4-2-2 矩陣
4-2-3 矩陣的Python程式設計
4-3 微積分（梯度、偏微分、梯度下降）
4-3-1 梯度、偏微分、梯度下降在AI的應用領域
4-3-2 偏微分定義
4-3-3 梯度下降定義
4-4 機率與統計（機率分布、期望值、最大概似估計）
4-4-1 機率在AI的應用領域
4-4-2 機率分布
4-4-3 貝氏定理（Bayes’ theorem）
4-4-4 期望值
4-4-5 最大概似估計
第二部分 數據處理與模型評估
Chapter05 數據處理與準備
5-1 數據清洗、缺失值處理、異常值處理
5-2 數據標準化（Standardization）與正規化（Normalization）
5-3 類別特徵編碼（如One-Hot Encoding）簡介
5-4 模型評估與選擇
5-4-1 訓練集（Training Set）、驗證集（Validation Set）、測試集（Test Set）的劃分
5-4-2 交叉驗證（Cross-Validation）
5-5 分類模型評估指標：準確度、精確度、召回率、F1分數、ROC曲線與AUC
5-5-1 分類模型評估指標：準確度（Accuracy）的Python程式設計
5-5-2 精確度（Precision）的Python程式設計
5-6 線性迴歸的Python程式設計：模型評估指標（如R2或MSE）
第三部分 經典機器學習演算法（傳統ML）
Chapter06 常見機器學習演算法的原理、優缺點與應用
6-1 線性模型簡介
6-1-1 線性迴歸（Linear Regression）簡介
6-1-2 羅吉斯迴歸（Logistic Regression）（用於分類）
6-1-3 Lasso迴歸：特徵選擇與降維（Feature Selection and Dimensionality Reduction）
6-2 決策樹與集成方法（Ensemble Methods）簡介
6-2-1 隨機森林（Random Forest）簡介
6-2-2 支援向量機（Support Vector Machine, SVM）簡介
6-3 近鄰法
6-4 非監督學習的類型
6-4-1 K－均值聚類（K-Means Clustering）簡介
6-4-2 主成分分析（Principal Component Analysis, PCA）：降維
第四部分 深度學習的入門：深度學習與神經網路
Chapter07 神經網路的概念
7-1 神經網路之基本概念
7-1-1 感知器（Perceptron）概念
7-1-2 多層感知器（Multi-Layer Perceptron, MLP）簡介
7-1-3 激活函數（Activation Functions）介紹
7-1-4 反向傳播（Backpropagation）簡介
7-1-5 神經元模型
7-1-6 反向傳播（Backpropagation）演算法
7-2 深度學習模型（Deep Learning Model）
7-2-1 深度前饋網路（Deep Feedforward Networks）
7-2-2 卷積神經網路（Convolutional Neural Network, CNN）簡介
7-2-3 遞迴神經網路（RNN）：序列建模
7-2-4 訓練深度模型的優化：正規化（Regularization）、優化方法（Optimization）（如梯度下降、Adam）
Chapter08 進階主題與應用
8-1 強化學習（Reinforcement Learning, RL）
8-2 自然語言處理（NLP）
8-2-1 自然語言處理（Natural Language Processing, NLP）簡介
8-2-2 自然語言處理（NLP）如何運作（基本流程）
8-2-3 NLP底層技術
8-3 深度生成模型（Deep Generative Models）
8-4 機器學習的實用方法論：模型驗證與評估、錯誤分析等
8-4-1 機器學習的模型驗證與評估
8-4-2 機器學習的錯誤分析
【關於教科書訂購說明】
☆ 單本即有折扣，將商品放入購物車就可以看見優惠價唷！五本以上團購更便宜！加入會員訂購，還可累積購物金！
★ 若有急需用書，可先LINE私訊詢問庫存呦~
☆ 出貨時間：有現貨的，2個工作日內出貨；無現貨，約3~5個工作日 出貨
【寄送方式說明】
❶ 實體門市取貨
全台麗文校園書局皆可取貨，貨到書局將會以簡訊通知。
❷ 超商取貨
提供7-11及全家超商取貨(需先付款，無貨到付款)。
❸ 一般宅配
本公司主要與黑貓宅急便配合，送達到您指定的地址。
※當您於本網站消費交易完成後，電子發票將會以電子郵件寄給您；如需紙本發票請於下訂時於備註欄位說明。
【付款方式說明】
❶ ATM轉帳、匯款
銀行│第一銀行-三民分行
代號│007
戶名│麗文文化事業股份有限公司
帳號│704-10-051861
※實體ATM每日轉帳最高限額為3萬，若訂購金額超過3萬元，請分兩天或是使用不同的銀行帳戶轉帳。
❷ 信用卡（可分期，需負擔手續費）
凡各家銀行的VISA、MASTER、Union Pay、JCB信用卡皆可使用。
❺ 超商代碼
系統會發送繳費代碼至您的電子信箱，需自行至「超商機器ex：iBon」輸入代碼，產生繳費單後前往櫃檯繳費。
❼ 免卡分期
麗文校園購與「zingala銀角零卡」「第一資融」以及「皮路後支付」合作，讓您免用信用卡就可以購物。
如有使用上的問題，可以先與揪小編聯絡唷！。
※請注意：超過7天未付款之訂單則訂單自動失效；免卡分期訂單成立起7天內未主動聯繫亦同。
【其他說明】
❶關於出貨
1.商品為不缺貨前提下，訂單完成付款後2-4個工作天將會出貨(不含例假日及國定假日)；若商品缺貨則須等待1-2週。
2.麗文校園揪來玩保留訂單接受與否權利，若因交易條件有誤或有其他情形導致我們無法接受您的訂單，將以E-mail發送取消訂單通知給您，造成不便敬請見諒。
❷關於退貨
1.非門市現場消費享有七天猶豫期，收到商品當天往後算七天內若是決定不買，則協助不要拆封，一拆封視同願意購買。
2.若真的決定不購買商品要退貨，請聯繫我們LINE線上客服，我們會盡速為您處理。
❸關於新品瑕疵與維修保固
1.全新商品享有購買七日內，新品瑕疵的換新保障；但新品瑕疵與否，是由商品代理商或原廠所判定，麗文校園揪來玩僅能依據判定的結果給予協助。若是原廠判定非新品瑕疵則無法換新，需改為維修的方式處理。
2.新品瑕疵換新的作業時間，將依各廠商的流程而定，最快2個工作天，慢的話也可能需要到15個工作天。
3.購買超過七日後，維修服務由原廠提供。如有需要維修，麗文校園揪來玩可以代為送修，但送修如需運費時（EX:原廠沒有提供免費收件服務），則需由您負擔送修的運費（運費約為100元起，因商品大小而異）。
【華碩的維修服務】
