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
 
 
 
 
機器學習實戰:基於Sophon平台的機器學習理論與實踐
 叢書名稱: 工業和信息化領域急需緊缺人才(大數據和人工智能)培養工程系列叢書
 作  者: 星環科技人工智能平台團隊
 出版單位: 機械工業
 出版日期: 2020.01
 進貨日期: 2020/2/5
 ISBN: 9787111642657
 開  本: 16 開    
 定  價: 593
 售  價: 474
  會 員 價: 435
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:

(1)星環科技人工智能平台團隊合著,凝結星環科技人工智能和大數據團隊豐富的實戰經驗

(2)從技術視角提供當前人工智能相關技術的深入介紹,不僅講解人工智能知識體系的理論基礎,也可以指導基於實戰的平台環境進行操作。

(3)針對各種類型的機器學習問題,基於星環自研的人工智能平台(Sophon)環境,結合真實案例,依照數據、分析、建模的演進歷程進行系統化闡述並進行實戰講解。


內容簡介:

本書內容覆蓋了機器學習領域從理論到實踐的多個主題,總共分為10章。

第1章為導論,介紹機器學習的背景、定義和任務類型,構建機器學習應用的步驟,以及開發機器學習工作流的方式。
第2章詳細介紹數據預處理和特徵工程技術,並輔以實例進行驗證。
第3~6章介紹回歸模型、分類模型、模型融合和聚類模型,這些內容是機器學習理論和實踐中的傳統重點。其中不僅介紹各種常見數據類型的處理方法,還針對刪失數據進行了專門的綜述和實踐。
第7章介紹機器學習領域較難的圖計算話題,並從工業界視角解讀如何將圖計算落地。
第8章針對特徵工程、建模過程中大量調參的場景介紹自動機器學習的理論和應用,並細緻比較和測試了各種自動特徵工程算法在不同數據上的表現。
第9章介紹自然語言處理(詞向量、序列標注、關鍵詞抽取、自動摘要和情感分析)技術,使用新聞文本數據搭建文本分類的流程。
第10章介紹計算機視覺中圖像分類和目標檢測的應用以及車輛檢測的落地案例。

本書既適合作為高等院校計算機、軟件工程、人工智能等相關專業的教學用書,同時也可供從事機器學習相關領域的工程技術人員閱讀和參考,幫助他們掌握機器學習相關的算法原理,並能通過專業工具平台快速搭建各類模型,構建機器學習的行業應用。


作者簡介:

星環科技人工智能平台團隊

星環科技人工智能平台團隊由五十多位優秀的研發工程師和算法工程師組成,逾八成具有國內外名校碩士及以上學歷。其中研發子團隊的工作重心為一站式人工智能建模平台Sophon;算法子團隊則負責基礎算法的研發及改進,並在數據挖掘、傳統機器學習、計算機視覺、自然語言處理、知識圖譜等領域進行前瞻性研究以及項目實施落地。星環科技人工智能平台團隊一直致力於“把中國人自主研發的領先創新技術賦能全世界各行各業,促進社會可持續發展,通過科技讓人類的生活更美好”。目前產品應用已覆蓋金融、安防、電力、交通、教育等數十個行業和領域,申請專利近三十個。


圖書目錄:

前言

叢書前言

本書編委會

前言

第1章機器學習導論

1.1 什麼是機器學習

1.1.1 機器學習的背景

1.1.2 機器學習的定義

1.1.3 機器學習的任務類型

1.1.4 構建機器學習應用的步驟

1.2 開發機器學習工作流的方式

第2章數據預處理與特徵工程

2.1 特徵提取

2.1.1 探索性數據分析

2.1.2 數值特徵

2.1.3 類別特徵

2.1.4 時間特徵

2.1.5 文本特徵

2.1.6 過濾方法

2.1.7 封裝方法

2.1.8 嵌入方法

2.1.9 自動化特徵工程

2.2 交互式數據預處理

2.3 本章小結

第3章回歸模型

3.1 回歸任務概述

3.2 回歸算法原理

3.2.1 線性回歸

3.2.2 決策樹回歸

3.2.3 生存回歸

3.3 Sophon案例

3.4 本章小結

第4章分類

4.1 分類任務概述

4.2 分類算法原理

4.2.1 邏輯回歸

4.2.2 因子分解機

4.2.3 XGBoost

4.3 使用Sophon建立分類模型

4.3.1 場景介紹

4.3.2 建模過程

4.3.3 結果分析

4.4 本章小結

第5章模型融合

5.1 集成學習理論

5.1.1 集成學習基本概念

5.1.2 個體學習器

5.1.3 基學習器集成

5.1.4 常用的集成學習方法

5.2 常用融合方法

5.2.1 平均法

5.2.2 學習法(Stacking 方法)

5.3 使用Sophon進行模型融合

5.3.1 場景與數據集介紹

5.3.2 建模過程

5.3.3 結果分析

5.4 本章小結

第6章聚類 78

6.1 聚類任務概述

6.2 聚類算法原理

6.2.1 K-Means

6.2.2 Fuzzy C-Means

6.2.3 Canopy

6.2.4 高斯混合

6.3 聚類模型實例

6.3.1 場景介紹

6.3.2 建模過程

6.3.3 結果分析

6.4 本章小結

第7章圖計算

7.1 背景和問題描述

7.2 常用算法介紹

7.2.1 PageRank

7.2.2 標籤傳播

7.2.3 中心性檢測

7.2.4 圖嵌入

7.3 落地案例

7.3.1 場景介紹

7.3.2 建模過程

7.3.3 結果分析

7.4 本章小結

第8章自動機器學習

8.1 場景介紹

8.2 自動化特徵工程

8.2.1 自動多表特徵擴展

8.2.2 自動特徵構建

8.3 建模過程

8.4 結果分析

8.5 真實測試案例

8.5.1 數據集

8.5.2 前置設置

8.5.3 測試結果分析

8.5.4 Abalone 和 Airfoil Self-Noise 數據集的增強測試

8.5.5 小結

8.6 本章小結

第9章自然語言處理

9.1 自然語言處理算法原理

9.1.1 詞向量

9.1.2 序列標注

9.1.3 關鍵詞抽取

9.1.4 文本自動摘要

9.1.5 文本情感分析

9.2 使用Sophon建立自然語言處理模型

9.2.1 場景介紹

9.2.2 建模流程

9.2.3 模型評估

9.3 落地案例

9.4 本章小結

第10章計算機視覺

10.1 計算機視覺概述

10.2 計算機視覺算法原理

10.2.1 圖像分類

10.2.2 目標檢測

10.3 計算機視覺模型示例

10.3.1 圖像預處理

10.3.2 圖像分類算法建模

10.3.3 目標檢測算法建模

10.4 落地案例

10.5 本章小結

附錄A 企業級人工智能應用平台Sophon

A.1 產品架構

A.2 技術特點

A.3 組件介紹能

A.4 Sophon Edge 邊緣計算

A.5 Sophon EP 實體畫像

A.6 Sophon KG 知識圖譜

A.7 Sophon CV 圖像分析

A.8 Sophon NLP 自然語言處理

A.9 Sophon Cloud 服務管理


章節試讀:

人工智能技術的快速發展,帶來了技術平台和行業應用的繁榮,從Caffe、CNTK、CoreML到TensorFlow、TensorRT,從CPU、GPU到TPU、FPGA、ARM,從圖形處理、視覺識別到自然語言處理,技術體系越來越複雜,開發門檻越來越高;大量的技術人員需要不斷授受技術更新,更多的應用需要考慮額外的遷移成本,更多的市場需要投入大量的資源以充分體現人工智能賦予的價值。
目前產業界開始出現少量技術使用門檻低、應用開發方便的機器學習平台(Machine Learning Platform,MLP)或者數據科學平台(Data Science Platform, DSP),但這些平台大部分還侷限在特定行業的有限算法應用,需要不斷進行架構優化、模型擴展和算法增強,提供多種場景下的應用遷移工具,才能形成較為成熟的產品化平台。
星環科技作為國內大數據和人工智能平台的領航者,自2013年成立以來,專注於企業級容器雲計算、大數據和機器學習核心平台的研發和服務,擁有一批來自國內外著名高科技企業和科研院校的優秀專業人才,是國內大數據領域最早掌握核心技術的企業,也是最早開展機器學習平台理論與實踐的公司之一,產品在政府、金融、公安等行業得到大規模應用。
星環科技人工智能平台Sophon是從大數據到人工智能演進過程中誕生的一款創新性機器學習技術平台。用戶可以基於該平台快速完成從特徵工程、模型訓練到模型上線的機器學習全生命週期開發工作。
Sophon平台具有以下技術特點:
q採用去中心化的全分布式架構、性能線性擴展,滿足海量數據處理模式下的快速訓練和精準推理要求。
q一站式的機器學習集成開發平台,支持自動化開發、圖形化操作及可視化建模,可快速構建行業應用解決方案。
q支持多種複雜算法,支持自定義模型和算法導入,可適應多種特定應用場景的複雜建模和模型遷移要求。
q集成大量面向行業領域的分析工具,如實體畫像、視頻分析、自然語言處理等,便於第三方應用快速定制開發。
q支持深度學習的知識圖譜,能夠便捷實現含圖結構的應用建模,支持實體間多關係圖的分析展示和演進變化,發現更有價值的圖譜關係。
隨著使用機器學習平台的用戶越來越多,應用場景日益廣泛,非常需要一本關於機器學習理論總結和實踐指導的專業圖書,不僅可以講解整體知識體系的理論基礎,也可以作為使用星環人工智能平台(Sophon)工具的指導手冊。
目前市面上銷售的機器學習相關書籍,要麼偏重原理介紹和公式推導,要麼重點描述開源算法的實現調用,無法滿足二者兼顧的要求。為此,我們結合理論分析和實踐指導要求,編寫了這本面向機器學習一線工程技術人員的專業書籍。它既能幫助讀者深入理解相關算法原理,也有助於讀者學會利用專業工具平台快速搭建模型,構建機器學習的行業應用。
本書內容覆蓋了機器學習領域從理論到實踐的多個課題,總共分為10章。
第1章為導論,介紹機器學習的背景、定義和任務類型,構建機器學習應用的步驟,以及開發機器學習工作流的方式。
第2章詳細介紹數據預處理和特徵工程,並輔以實例進行驗證。
第3∼6章介紹回歸模型、分類模型、模型融合、聚類模型,這些內容是機器學習理論和實踐中的傳統重點。其中不僅介紹對各種常見數據類型的處理方法,還針對刪失數據進行了專門的綜述和實踐。
第7章介紹機器學習領域較難的圖計算,並從工業界視角解讀如何將圖計算落地。
第8章針對特徵工程、建模過程中大量調參的場景介紹自動機器學習的理論和應用,並細緻比較和測試了各種自動特徵工程算法在不同數據上的表現。
第9章介紹自然語言處理(詞向量、序列標注、關鍵詞抽取、自動摘要和情感分析),使用新聞文本數據搭建文本分類的流程。
第10章介紹計算機視覺中圖像分類和目標檢測的應用以及落地案例(車輛檢測)。
書中的第1∼2章是基礎內容,建議讀者認真閱讀,其他章節則可根據需要選擇性地閱讀。
全書由孫元浩和楊俊統一主持和整理,參與編寫的作者還包括楊一帆、裴瑞光、林木豐、樂向楠、陸增翔、蒲瑜琪、李祥祥、曾憲宇、趙文謙、林晨、浦錦毅、安磊、許凱琪、孫樂飛和吳香蓮。
本書從雛形到定稿,歷時近一年,非常感謝參與本書編纂校對工作的算法工程師和架構師,沒有他們無私的理論分享和實踐指導,本書是難以高質量完成的。在此我們對所有編者表示衷心的感謝和敬意。

孫元浩
2019年7月


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。