非監督式學習：使用Python

　　從無標籤資料應用機器學習解決方案

　　“研究人員、工程師與學生將會喜歡這本書，因為本書充滿務實的非監督式學習技術，採用平鋪直述的方式，以及囊括了可快速練習的Python範例。” –Sarah Nagy Senior Data Scientist at Edison

　　許多專家認為非監督式學習是人工智慧的下一個前沿技術，並且是邁向強人工智慧的關鍵。由於世界上大多數資料都沒有標籤，因此無法應用傳統的監督式學習。從另一方面來說，非監督式學習則可以應用在無標籤的資料集，用以發現埋藏在資料深處裡有意義的樣式，而這些樣式幾乎不可能被人類發現。

　　作者Ankur Patel藉由使用兩個簡單且已經可實際運用於業務開發(production-ready)的Python框架：Scikit-learn和Keras來示範如何應用非監督式學習。透過程式碼和實際操作範例，數據科學家將從資料中識別難以發現的樣式，獲得更深入的商業洞見、檢測異常、執行自動特徵工程和特徵選擇，以及生成合成資料集。你所需要的只是程式能力和一些機器學習經驗。

　　‧比較不同機器學習方法的優點和缺點：監督、非監督和強化學習
　　‧完整地設置和管理機器學習項目
　　‧為信用卡詐欺建立偵測系統
　　‧按照相同與不相同將使用者進行分群
　　‧實作半監督式學習
　　‧使用受限玻爾茲曼機(restricted Boltzmann machine, RBM)開發電影推薦系統
　　‧使用生成對抗網路建立合成影像

作者簡介

Ankur A. Patel

　　Ankur A. Patel 是7Park Data(Vista Equity Partner項目公司)的數據科學副總裁。在7Park Data，Ankur和他的數據科學團隊採用替代資料為對沖基金和公司構建數據產品，並為企業開發機器學習即服務(MLaaS)。