機器學習訓練資料的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

Python機器學習與深度學習特訓班(第二版)：看得懂也會做的AI人工智慧實戰(附120分鐘影音教學/範例程式)

為了解決機器學習訓練資料的問題，作者文淵閣工作室 這樣論述：

國內外最具代表性案例，9大專題實戰、15個分類實例  Google Colab、Microsoft Azure兩大雲端應用，人臉辨識、自然語言、  文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練，  從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！    　　資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識

解鎖、影像轉文字翻譯、智慧語音助理…等。    　　在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。    　　程式人、工程師挑戰人工智慧最佳學習地圖  　　由類神經網路基礎到AI應用實戰  　　訓練、模型、預測、辨識、分析與驗證  　　全面深入機器學習與深度學習技術核心    　　■打造專屬Python、TensorFlow與Keras最強開發環境。  　　　 　　■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CN

N)與循環神經網路(RNN)。    　　■整合最夯的人工智慧雲端開發平台：Google Colab，應用雲端提供的充沛資源，全面提升運算效能。  　 　　■加碼最新的機器學習雲端應用平台：Microsoft Azure，連結功能強大、方向多元的Web API，豐富專業應用領域。    　　■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。    　　■全面深入不同應用面向：  　　印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人

臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測…    　　■網羅國內外最具代表性案例：  　　手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。    　　■一次領略機器學習與深度學習的重要關鍵話題：  　　TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Colab、Azure、Cogni

tive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、SQLite、SQLite Database Browser、Haar…    　　■針對專案實戰提供關鍵影音輔助教學，加速學習效率。    　　超值學習資源：120分鐘關鍵影音教學/範例程式檔/一探演算法雲端寶庫：Algorithmia教學PDF    感謝讀者好評   　　“很棒的書，我完全

沒有深度學習和機器學習的任何知識，只有Python的基礎知識，也覺得書中的說明很快就讓我了解了。” --abedul    　　“此書把繁雜的演算法理論以圖像化的方式呈現，可以幫助我們快速了解深度學習的核心概念，讓學習門檻降低許多，而且還提供了很多實用的實作範例，是一本入門深度學習的好書…” --Victor

機器學習訓練資料進入發燒排行的影片

果蠅影像序列的行為標註系統及機器學習辨識

為了解決機器學習訓練資料的問題，作者黃雋瀧 這樣論述：

由於果蠅與人類的基因有許多相似的地方，透過觀測基因改變後果蠅的求偶行為可以了解哪些基因會影響人類的行為。對果蠅求偶動作的進行影像分析，過去是使用人工方式去測量並記錄，導致生物學家們需要花費大量時間觀察及記錄，此方法效率不高且容易出錯。為了降低觀察所耗費的時間並加快分析行為數據，本篇論文開發一個能讓生物學家輕易掌握的果蠅影像序列的行為標註系統，使生物學家在研究及分析果蠅求偶行為能更有效率。後續並利用生物學家對影片中的行為標記，再配合自動影像物件切割程式，可以切割出用於後續機器學習的果蠅行為圖像。本論文建立機器學習是以DIGITS作為建立機器學習的平台且以Caffe當作機器學習的框架，我們使用A

lexNet及GoogLeNet的網路架構來訓練模型。本論文的辨識行為種類共分為Singing、Tapping、Attempting三種，其中Singing與Tapping選用的圖像張數為7602張，Attempting選用的圖像張數為5184張。我們在DIGITS上的使用微調後的AlexNet模型驗證準確率為99.79%、GoogleNet的模型驗證準確率為99.88%。為了驗證微調後的AlexNet及GoogLeNet的模型可靠度，我們在Singing、Tapping、Attempting各選用180張與訓練資料集相同影片產生出的圖像來做測試，經過測試後我們得到AlexNet的準確率為75

.9%、GoogLeNet的準確率為93.3%，接著使用Singing、Tapping、Attempting各200張與訓練資料集不同的影片產生出的圖像做測試，得到AlexNet的準確率為62.7%、GoogLeNet的準確率為60%。

Python機器學習與深度學習特訓班：看得懂也會做的AI人工智慧實戰(附120分鐘影音教學/範例程式)

為了解決機器學習訓練資料的問題，作者文淵閣工作室 這樣論述：

國內外最具代表性案例 兩大雲端應用、15項分類實例、9大專題實戰 　　自然語言、文字識別、語音轉換、分析預測、 　　物件自動標示、影像辦識真正實練！ 　　從資料收集整理、模型訓練調整， 　　檢測修正到產出全面解秘！ 　　資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。 　　在資料科

學領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。 　　程式人、工程師挑戰人工智慧最佳學習地圖 　　由類神經網路基礎到AI應用實戰 　　訓練、模型、預測、辨識、分析與驗證 　　全面深入機器學習與深度學習領域技術核心 　　■打造專屬Python、TensorFlow與Keras最強開發環境，加碼體驗機器學習雲端平台Microsoft Azure與演算法平台Algorithmia。 　　■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神

經網路(CNN)與循環神經網路(RNN)。 　　■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。 　　■全面深入不同應用面向：印刷文字辨識、手寫文字識別、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部偵測、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號與年份偵測、自動標示物件、資料走勢預測… 　　■網羅國內外最具代表性案例：文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等

，進行有系統而扎實的真正演練。 　　■一次領略機器學習與深度學習的重要關鍵話題：TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Azure、Cognitive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、face++、SQLit

e、SQLite Database Browser、Haar 　　■針對專案實戰提供關鍵影音輔助教學，加速學習效率。 　　書附超值DVD：120分鐘關鍵影音教學/範例程式檔

信用卡詐欺偵測:結合三域安全協議及機器學習的應用架構

為了解決機器學習訓練資料的問題，作者蔡柏堅 這樣論述：

近年來電子商務的蓬勃發展，導致信用卡詐欺交易問題日益嚴重。臺灣每年因信用卡線上交易詐欺損失金額多達新臺幣一、二十億元。由於個資保護問題，多數對此議題之研究，皆因缺乏完整的信用卡交易數據，而顯得說服力不足。本研究以較為豐富且完備的資料為基礎，結合三域安全協議驗證機制及機器學習演算法的應用架構，提出種信用卡詐欺偵測方法，期為信用卡詐欺偵測系統之發卡銀行或金融支付服務公司，提供最佳之選擇。 為了探討三域安全協議所蒐集許多信用卡消費本身以外的使用者資訊及新的驗證技術，是否有助於提升詐欺交易的辨識。本論文將信用卡交易、使用者資料欄位，以及合成的信用卡卡號聚合特徵作為訓練資料，使用輕型梯度

提升機、極限梯度提升、樸素貝葉斯、K-近鄰演算法、決策樹、羅吉斯迴歸、隨機森林、支援向量機、多層感知器等9種常見的機器學習演算法建立模型，並選用接收者操作特徵曲線及精確度-召回率曲線下面積的指標評估性能，實驗證實本輪文提出的方法有助於詐欺偵測效能的提升，且以極限梯度提升模型的改善性能最佳，接收者操作特徵曲線及精確度-召回率曲線下面積最大98%、92%。