登入會員
品牌介紹
關於我們
企業徵才
客服中心
會員專區
與我連絡
申訴信箱
ＦＡＱ
電子報
書目下載
圖書總覽
服務推薦
教學網
考用網站
首頁
書目下載
會員專區
與我連絡
法律/政治
法律
政治、公共事務
財經/商管/觀光
財經、商管、統計
觀光、餐旅、休閒
文/史/哲/期刊
辭書、總類
語言、文學
歷史、哲學、宗教
藝術、設計、文創
學術期刊
理工/醫護
理工
醫護暨生命科學
農林漁牧
教育/心理/傳播
教育
心理、諮商與輔導
社會、傳播(影視)
小五南/中等教育
小五南
電機與電子群
餐旅群
家政群
商業與管理群
英文
藝術群
農業群
食品群
【春節延後出貨公告】 親愛的五南會員：您好，適逢春節假期，五南官網均可正常下單購買， 惟2/5(一)中午12：00之後的網站訂單，物流停止送貨，將延至2/15(四)開工後正常出貨， 造成不便敬請見諒，五南祝您新年快樂!
分享
研究方法、論文寫作
-
研究方法
財經、商管、統計
-
統計
-
統計軟體應用
機器學習（Lasso推論模型）：使用Stata、Python分析（附光碟）
作 者：
張紹勳
出版社別：
五南
書 系：
研究&方法
出版日期：2021/08/01(1版1刷)
ＩＳＢＮ：978-986-522-876-7
E I S B N：9789865228774(PDF)
書 號：1H2U
頁 數：672
開 數：16K
定 價：790元
優惠價格：711元
投影片(請電洽，僅供老師索取)
你絕對不能錯過的機器學習工具書！ ※揭開機器學習的神祕面紗，深入了解機器學習。 ※理論與實務兼具，詳細解說機器學習理論，搭配使用Python與Stata實作，架構完整。 ※內容與時俱進，理解當今機器學習的最新模型與技術。 ※隨書附贈範例資料檔光碟 近年來，科技產業迅速發展，新技術不斷出現，人工智慧、機器學習、大數據、資料科學成為炙手可熱的話題。各個領域紛紛投入人工智慧與機器學習的研究及應用，但究竟什麼是人工智慧？機器學習又是什麼？ 機器學習是人工智慧應用最成熟的領域。本書首先解說機器學習與人工智慧、統計學的關係，給予讀者完整的知識輪廓，接著深入探討機器學習的理論模型，例如：Lasso迴歸、梯度下降法、深度學習、隨機森林，同時輔以Python與Stata實作範例。本書兼具理論與實際操作，是給想深入研究機器學習與人工智慧的你，最適合的一本工具書。
作者 張紹勳 學歷：國立政治大學資訊管理博士 現職：國立彰化師大專任教授 經歷：致理技術專任副教授 研究助理 張任坊 學歷：國立海洋大學商船系 現職：長榮海運三副 張博一 學歷：國立中央大學通訊工程所 現職：泰洛科技股份有限公司工程師
Chapter 1 AI⊃機器學習(ML)的關係
1-1 著名的AI系統、頂尖AI公司、最佳AI軟體
1-2 人工智慧(AI)之發展
1-3 機器學習(machine learning, ML)概論
Chapter 2 機器學習(ML)與統計關係
2-1 統計、估計
2-2 機器學習(ML)之原理(principles)
2-3 機器學習(ML)之重點整理
2-4 類神經網路(ANN)：單一隱藏層
2-5 深度學習(deep learning)：多個隱藏層
2-6 深度學習結構，有4 種：DNN、DBN、CNN、CDBN
2-7 深度學習法（非線性模型）：兩個隱藏層的多層感知器（外掛指令mlp2）
Chapter3 機器學習式迴歸之重點整理（經濟學）
3-1 統計vs. 機器學習之懲罰項迴歸（感測器來收集大數據）
3-2 特徵選擇(feature selection)（從眾多預測變數組合中，挑有意義Xs）
3-3 收縮估計法(shrinkage estimation)：自變數（特徵）選擇採用嵌入法
3-4 交叉驗證：避免一次性訓練及測試資料所產生偏誤（Stata 外掛指令loocv 指令）
3-5 降維（降低維度，dimension reduction）
3-6 非線性模型(nonlinear models)：神經網路
3-7 集成學習(ensemble learning)：決策樹、迴歸樹至隨機森林
3-8 大數據(big data)
Chapter 4 Lasso 迴歸、平方根lasso 迴歸、elastic net迴歸、Lasso 推論模型：（收縮法shrinkage）
4-1 Ridge 迴歸(L2-norm)、Lasso(L1-norm)、elastic net 迴歸是什麼？
4-2 三種Lasso 迴歸式，挑選最佳λ之收縮率（lasso linear 等指令）
4-3 elastic net 迴歸⊃Ridge 迴歸（elasticnet linear等指令）
4-4 ridge、Lasso、elastic net 迴歸的比較（外掛指令lassoregress、ridgeregress、elasticregress）
4-5 Lasso 推論模型：連續依變數
4-6 Lasso 推論模型：二元依變數
Chapter 5 梯度下降法、深度學習分析
5-1 梯度下降法(gradient descent)
5-2 Python 實作：梯度下降演算法(gradient descent algorithm)
Chapter 6 集成(ensemble) 學習：隨機森林迴歸（外掛指令randomforest）
6-1 決策樹(decision tree)：森林的元素
6-2 隨機森林的原理
6-3 隨機森林之迴歸分析：連續依變數（外掛指令randomforest）
6-4 隨機森林之迴歸分析：二元依變數外掛指令(randomforest)
Chapter7 支援向量機(SVM) 之分析（外掛指令：svmachines）
7-1 機器學習法：支援向量機(SVM) 的原理
7-2 支援向量機之迴歸分析：連續依變數（外掛指令svmachines）
7-3 支援向量機之迴歸分析：類別依變數（外掛指令svmachines)
Chapter 1 AI⊃機器學習(ML)的關係 本書旨在揭開機器學習(machine learning, ML) 神祕面紗。機器學習是人工智慧應用最成熟的領域。迄今人工智慧(artificial intelligence, AI) 在各學門的研究成效，有目共睹。例如：武漢肺炎疫情嚴峻，成功大學利用AI 來分類高風險病人臨床檢疫效率，從原需150 分鐘縮短到不到30 分鐘，接著國衛院發明快篩只要15 分。其實，2020 年1 月9 日世界衛生組織警告中國有類似流感的疫病在中國武漢爆發，美國疾病管制及預防中心於1 月6 日提早接獲通知，但是一家加拿大健康監控平臺卻早在2019 年12 月31 日，成功使用AI 預測有肺炎疫情爆發。 一、人工智慧是什麼？ 人工智慧定義可分兩部分，即「人工」及「智慧」；「人工」就是人造的，此定義爭議不大，但仍須考慮什麼是人力所能及製造的？或者人的智慧程度有沒有高到可以創造人工智慧的地步等。總括來說，「人工」就是通常意義下的人工系統。 什麼是「智慧」，問題比較大，它涉及到：意識(consciousness)、自我(self)、心靈(mind) 及無意識的精神(unconscious mind) 等問題。我們了解的智慧係指人本身的智慧，這是普遍認同的觀點。但是人們對自身智慧的理解都非常有限，對構成人的智慧必要元素的了解更有限，故很難定義什麼是「人工」製造的「智慧」了。因此AI 研究往往涉及對人智慧本身的研究，「意識」是人對環境及自我的認知慧力及認知的清晰程度。例如：某人覺察到了什麼、某人覺察到了自我。有時候，「覺察」與「意識」是同義詞，二者甚至可以相互替換。目前在意識本質的問題上還存有諸多疑問，例如：在自我意識方面。意識這個問題涉及到認知科學、神經科學、心理學、電腦科學、社會學、哲學等。 希爾勒曾用意識及身體思考來批評「強AI」，認為感知是生物整個物理特性，意識是有目的性的，但AI 電腦沒有目的性，因此電腦沒有意識。 AI 主要功效包括：知識推理、規劃、機器學習的統計、自然語言處理、電腦視覺、機器人等。簡單來說，機器人像是人的「身軀」，AI 則是人的「腦」，物聯網(IoT) 人體的五種感官（臉上的眼、耳、口、鼻，各掌控一種感官，再加上觸覺）。 今日的AI 又稱狹窄的AI（或弱AI），因為它被設計為執行狹窄的任務（例如：功能僅限財金預測、人臉辨識、Internet 搜尋、僅自駕汽車、醫學診斷等）。然而，許多研究者的長期目標是建立一般化AI（AGI 或強AI）。雖然狹窄的AI在任何特定任務中都可能勝過人類（例如：下棋或解決方程式），但AGI 在幾乎每一項認知任務中都會勝過人類。 AI 技術應用，從Apple 手機的語音助理Siri 到自動駕駛汽車等，這些AI 議題正在迅速發展。雖然科幻小說通常將AI 描述為具有類似人類特徵的機器人，但AI 可以包含從Google 的搜尋演算法(alogorithm)、IBM's Watson 到自動武器的任何東西。 例如：醫療的AI 應用，就有四個重要的議題：機器學習(ML)、自然語言處理(NLP)、電腦視覺及智慧機器人（例如：達文西手術機器人）。由此可見，機器學習是AI 應用之一，它使系統能夠自動學習並從經驗中進行改進，而無需進行明確的編程(programming)。ML 專注於計算機程序的開發，該程序可以訪問數據並用它來自我學習。
0
1
