總金額: 會員:NT$ 0 非會員:NT$ 0 
(此金額尚未加上運費)
電子電信技術 電腦技術 自動化基礎理論
 
 
 
 
機器學習精講(附線上配套資源)
 作  者: (加拿大)安德烈•布可夫
 出版單位: 人民郵電
 出版日期: 2020.01
 進貨日期: 2020/1/17
 ISBN: 9787115518538
 開  本: 16 開    
 定  價: 518
 售  價: 414
  會 員 價: 380

目前無補書計畫

推到Facebook 推到Plurk 推到Twitter
前往新書區 書籍介紹 購物流程  
 
編輯推薦:

人工智能的核心是機器學習。《機器學習精講》囊括機器學習的精髓,系統而精煉地講解機器學習的基本原理。本書英文版一經推出,就長期位於美國***機器學習圖書排行榜領先位置,並獲得4.5星好評。

《機器學習精講》包含了監督和非監督學習、支持向量機、神經網絡、集成算法、梯度下降、聚類分類、降維、自編碼器、遷移學習、特徵工程以及超參數調試等方面的知識。書中既有數學公式,又有圖解說明,一應俱全。

本書具有以下特色:
● 精簡並直入主題——篇幅短小,讀者可以快速讀完並掌握機器學習技術的精髓。書中內容是作者和其他從業者多年研究的成果。
● 配套網頁——本書配有持續更新的網頁,對書中內容進行補充,包括問答、代碼、推薦閱讀材料、工具以及其他相關內容。掃描書中二維碼即可查看。
● 全彩印刷——色彩豐富,閱讀輕鬆。
● 代碼基於Python語言。


內容簡介:

本書用簡短的篇幅、精煉的語言,講授機器學習領域必備的知識和技能。

全書共11章和一個術語表,依次介紹了機器學習的基本概念、符號和定義、算法、基本實踐方法、神經網絡和深度學習、問題與解決方案、進階操作、非監督學習以及其他學習方式等,涵蓋了監督學習和非監督學習、支持向量機、神經網絡、集成學習、梯度下降、聚類分析、維度降低、自編碼器、遷移學習、強化學習、特徵工程、超參數調試等眾多核心概念和方法。全書最後給出了一個較為詳盡的術語表。

本書能夠幫助讀者了解機器學習是如何工作的,為進一步理解該領域的複雜問題和進行深入研究打好基礎。本書適合想要學習和掌握機器學習的軟件從業人員、想要運用機器學習技術的數據科學家閱讀,也適合想要了解機器學習的一般讀者參考。


作者簡介:

安德烈·布可夫(Andriy Burkov)是一位機器學習專家,目前居住於加拿大魁北克省。他擁有人工智能博士學位,尤其擅長自然語言處理技術。目前,他是高德納(Gartner)咨詢公司機器學習開發團隊的主管。該團隊的主要工作是,使用淺層和深度學習技術,開發可用於生產環境的、先進的多語言文字抽取和標準化系統。


圖書目錄:

第 1章 緒論1
1.1 什麼是機器學習1
1.2 不同類型的學習1
1.2.1 監督學習1
1.2.2 非監督學習2
1.2.3 半監督學習3
1.2.4 強化學習3
1.3 監督學習是如何工作的4
1.4 為什麼模型可以應用於新數據9
第 2章 符號和定義10
2.1 符號10
2.1.1 數據結構10
2.1.2 大寫西格瑪符號12
2.1.3 大寫派符號12
2.1.4 集合運算13
2.1.5 向量運算13
2.1.6 函數14
2.1.7 max和argmax16
2.1.8 賦值運算符16
2.1.9 導數和梯度16
2.2 隨機變量18
2.3 無偏估計值20
2.4 貝葉斯準則21
2.5 參數估計21
2.6 參數與超參數23
2.7 分類vs.回歸23
2.8 基於模型學習vs.基於實例學習24
2.9 淺層學習vs.深度學習24
第3章 基本算法26
3.1 線性回歸26
3.1.1 問題陳述26
3.1.2 解決方案28
3.2 對數幾率回歸30
3.2.1 問題陳述31
3.2.2 解決方案32
3.3 決策樹學習34
3.3.1 問題陳述34
3.3.2 解決方案34
3.4 支持向量機37
3.4.1 處理噪聲38
3.4.2 處理固有非線性39
3.5 k近鄰42
第4章 算法剖析43
4.1 一個算法的組成部分43
4.2 梯度下降44
4.3 機器學習工程師如何工作50
4.4 學習算法的特性51
第5章 基本實踐53
5.1 特徵工程53
5.1.1 獨熱編碼54
5.1.2 裝箱55
5.1.3 歸一化56
5.1.4 標準化56
5.1.5 處理特徵缺失值57
5.1.6 數據補全技術58
5.2 選擇學習算法59
5.3 3個數據集61
5.4 欠擬合與過擬合63
5.5 正則化66
5.6 模型效果評估67
5.6.1 混淆矩陣69
5.6.2 查準率/查全率70
5.6.3 準確率71
5.6.4 代價敏感準確率71
5.6.5 ROC曲線下面積72
5.7 超參數調試73
交叉驗證75
第6章 神經網絡和深度學習77
6.1 神經網絡77
6.1.1 多層感知機例子78
6.1.2 前饋神經網絡80
6.2 深度學習81
6.2.1 卷軸神經網絡83
6.2.2 循環神經網絡90
第7章 問題與解決方案96
7.1 核回歸96
7.2 多類別分類98
7.3 單類別分類99
7.4 多標籤分類102
7.5 集成學習104
7.5.1 提升法與裝袋法105
7.5.2 隨機森林105
7.5.3 梯度提升106
7.6 學習標注序列109
7.7 序列到序列學習111
7.8 主動學習113
7.9 半監督學習115
7.10 單樣本學習118
7.11 零樣本學習120
第8章 進階操作122
8.1 處理不平衡的數據集122
8.2 組合模型124
8.3 訓練神經網絡125
8.4 進階正則化127
8.5 處理多輸入128
8.6 處理多輸出129
8.7 遷移學習130
8.8 算法傚率131
第9章 非監督學習135
9.1 密度預估135
9.2 聚類138
9.2.1 k均值138
9.2.2 DBSCAN和HDBSCAN140
9.2.3 決定聚類簇個數141
9.2.4 其他聚類算法145
9.3 維度降低148
9.3.1 主要成分分析149
9.3.2 UMAP151
9.4 異常值檢測153
第 10章 其他學習形式154
10.1 質量學習154
10.2 排序學習156
10.3 推薦學習159
10.3.1 因子分解機161
10.3.2 去噪自編碼器163
10.4 自監督學習:詞嵌入164
第 11章 結論167
11.1 主題模型167
11.2 高斯過程168
11.3 廣義線性模型168
11.4 概率圖模型168
11.5 馬爾可夫鏈蒙特卡洛算法169
11.6 基因算法170
11.7 強化學習170
術語表172


圖片預覽:

 
  步驟一.
依據網路上的圖書,挑選你所需要的書籍,根據以下步驟進行訂購
選擇產品及數量 結 帳 輸入基本資料 取貨與付款方式
┌───────────────────────────────────────────────────┘
資料確定 確認結帳 訂單編號    

步驟二.
完成付款的程序後,若採用貨到付款等宅配方式,3~7天內 ( 例假日將延期一至兩天 ) 您即可收到圖書。若至分店門市取貨,一週內聯絡取書。

步驟三.
完成購書程序者,可利用 訂單查詢 得知訂單進度。

注意事項.
● 付款方式若為網路刷卡必須等" 2 ~ 3 個工作天"確認款項已收到,才會出貨.如有更改書籍數量請記得按更新購物車,謝謝。

● 大陸出版品封面老舊、磨痕、凹痕等均屬常態,除封面破損、內頁脫落...等較嚴重的狀態外,其餘所有商品將正常出貨。

● 至2018年起,因中國大陸環保政策,部分書籍配件以QR CODE取代光盤音頻mp3或dvd,已無提供實體光盤。如需使用學習配件,請掃描QR CODE 連結至當地網站註冊並通過驗證程序,方可下載使用。造成不便,敬請見諒。

● 我們將保留所有商品出貨權利,如遇缺書情形,訂單未達免運門檻運費需自行負擔。

預訂海外庫存.
商品到貨時間須4週,訂單書籍備齊後方能出貨,如果您有急用書籍,建議與【預訂海外庫存】商品分開訂購。