白話機器學習

「你是否認為機器學習很複雜、很難掌握呢? 其實不然，來讀這本書，Serrano為你揭開機器學習的神秘面紗。」
—Sebastian Thrun, Udacit創辦人

「這是您機器學習旅程的第一步」
—Millad Dagdoni, 挪威勞動福利局

「這是本很好的引導指南，特別是對於那些想要寫程式但覺得自己數學程度不高的人」
—Erik D. Sapper, 加州理工州立大學

「這是我近年來有幸讀到最平易近人的機器學習介紹。強烈推薦！」
—Kay Engelhardt, devstats

只需要高中的數學程度，您就能發現並了解機器學習的強大之處！簡單來說，機器學習是一組建立在演算法上的資料分析技術，當您提供更多的資料，它就能產生更好的分析結果。ML驅動了許多尖端的技術，例如推薦系統、人臉識別軟體、智慧音箱，甚至是自駕車。而這本獨特的書將藉由相關的範例、有趣的練習以及簡要的插圖，為您介紹機器學習的核心概念。

《白話機器學習》以任何人都能理解的方式來呈現機器學習的演算法和技術，跳過令人困惑的學術術語，提供您只需要一點基礎代數就能理解的清楚解釋。隨著學習本書的內容，您將使用Python建立許多有趣的專案，包含垃圾郵件偵測和圖像辨識等模型，並且還會學到清理和準備資料的實用技巧。

本書包含：
‧用於分類和分割資料的監督式演算法
‧用於清理和簡化資料的方法
‧機器學習的套件和工具
‧用於複雜資料集的神經網路和集成方法

本書適用於有Python基礎知識的讀者，但不需要有機器學習的相關知識。

Luis G. Serrano 是位量子人工智慧領域的研究科學家，曾經在Google擔任機器學習工程師，以及在Apple擔任人工智慧主任教育家。

第1章 什麼是機器學習？它是一種常識，只是是由電腦來完成
第2章 機器學習的類型
第3章 在資料點附近畫一條線：線性迴歸
第4章 最佳化訓練過程：配適不足、過度配適、測試和正規化
第5章 用線來分割我們的點：感知器算法
第6章 用以分裂點的連續方法：邏輯分類器
第7章 你如何衡量分類模型？準確率及其朋友
第8章 最大程度地利用機率：單純貝氏分類模型
第9章 透過提問來分割資料：決策樹
第10章 組合建構組塊以獲得更多力量：神經網路
第11章 用風格尋找邊界：支援向量機和核方法
第12章 結合模型以最大化結果：集成學習
第13章 付諸實踐：資料工程和機器學習的真實案例
附錄A 練習題的答案
附錄B 梯度下降背後的數學含意：使用導數和斜率
附錄C 參考資料