第1章 讓ChatGPT告訴我們什麼是機器學習
1.1 問問ChatGPT什麼是機器學習
1.2 問問ChatGPT機器學習有什麼用
1.3 機器學習有什麼應用案例
1.4 機器學習係統有哪些類型
1.5 機器學習麵臨哪些挑戰
1.6 機器學習模型該如何測試和驗證
1.7 習題15

第2章 讓ChatGPT告訴我們機器學習的基本流程
2.1 讓ChatGPT幫我們找資料
2.2 讓ChatGPT幫我們安裝Anaconda
2.3 讓ChatGPT教我們進行探索性資料分析
2.4 試試訓練一下模型
2.5 習題

第3章 讓ChatGPT帶我們玩轉線性模型
3.1 讓ChatGPT告訴我們什麼是線性模型
3.2 線性模型也可以用於分類
3.3 什麼是正則化
3.4 習題60

第4章 讓ChatGPT帶我們玩轉支持嚮量機
4.1 讓ChatGPT解釋非線性問題的基本概念
4.2 支援嚮量機的核函數
4.3 支持嚮量機用於迴歸任務
4.4 支持嚮量機的超參數
4.5 習題

第5章 讓ChatGPT帶我們玩轉決策樹
5.1 讓ChatGPT介紹一下決策樹演算法
5.2 決策樹演算法基礎知識
5.3 決策樹演算法的實現
5.4 決策樹演算法的不足與改進
5.5 習題

第6章 讓ChatGPT帶我們玩轉集成學習
6.1 讓ChatGPT介紹一下集成學習演算法
6.2 基本的集成學習演算法
6.3 高級的集成學習演算法
6.4 習題

第7章 讓ChatGPT帶我們玩轉模型優化
7.1 讓ChatGPT介紹模型優化的基本概念
7.2 讓ChatGPT介紹損失函數
7.3 讓ChatGPT介紹學習率
7.4 讓ChatGPT介紹模型的超參數
7.5 習題

第8章 讓ChatGPT帶我們玩轉資料降維
8.1 讓ChatGPT介紹資料降維的基本概念
8.2 讓ChatGPT帶我們玩轉PCA
8.3 讓ChatGPT帶我們玩轉ICA
8.4 讓ChatGPT帶我們玩轉t-SNE
8.5 習題

第9章 讓ChatGPT帶我們玩轉聚類演算法
9.1 讓ChatGPT介紹聚類演算法的基本概念
9.2 讓ChatGPT帶我們玩轉K-Means
9.3 讓ChatGPT帶我們玩轉層次聚類
9.4 讓ChatGPT帶我們玩轉密度聚類
9.5 習題

第10章 讓ChatGPT帶我們玩轉神經網路
10.1 讓ChatGPT介紹神經網路的基本概念
10.2 神經網路的結構
10.3 神經網路中的傳播演算法
10.4 神經網路的局限性和未來發展
10.5 習題

第11章 讓ChatGPT帶我們玩轉Keras
11.1 讓ChatGPT介紹一下Keras
11.2 用Keras搭建簡單的神經網路
11.3 模型的訓練參數
11.4 神經網路的超參數
11.5 習題

第12章 讓ChatGPT帶我們玩轉圖像分類
12.1 讓ChatGPT介紹一下電腦視覺
12.2 讓ChatGPT介紹捲積神經網路
12.3 圖像分類任務實戰
12.4 習題

第13章 讓ChatGPT帶我們玩轉自然語言處理
13.1 讓ChatGPT介紹一下自然語言處理
13.2 讓ChatGPT帶我們認識RNN與LSTM
13.3 讓ChatGPT帶我們認識文本錶示
13.4 來個專案實戰吧
13.5 習題

第14章 讓ChatGPT帶我們玩轉遷移學習
14.1 讓ChatGPT介紹一下遷移學習
14.2 讓ChatGPT介紹遷移學習的實現
14.3 讓ChatGPT介紹Transformer架構
14.4 實戰遷移學習
14.5 習題

附錄 ChatGPT使用指南