智能Web算法(第2版)

智能Web算法(第2版)

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。
春暖花开季 恰是读书时满500减300、满200减120、满100减60活动详情

作品简介

机器学习一直是人工智能研究领域的重要方向,而在大数据时代,来自Web的数据采集、挖掘、应用技术又越来越受到瞩目,并创造着巨大的价值。本书是有关Web数据挖掘和机器学习技术的一本知名的著作,第2版进一步加入了本领域最新的研究内容和应用案例,介绍了统计学、结构建模、推荐系统、数据分类、点击预测、深度学习、效果评估、数据采集等众多方面的内容。本书内容翔实、案例生动,有很高的阅读价值。

(英)道格拉斯·G.麦基尔雷思(Douglas G.McIlwraith),(美)哈若拉玛·玛若曼尼斯(Haralambos Marmanis),(美)德米特里·巴邦科(Dmitry Babenko)著。

作品目录

  1. 译者序
  2. 译者简介
  3. 序言
  4. 前言
  5. 致谢
  6. 关于本书
  7. 1 为智能Web建立应用
  8. 1.1 智能算法的实践运用:Google Now
  9. 1.2 智能算法的生命周期
  10. 1.3 智能算法的更多示例
  11. 1.4 不属于智能应用的内容
  12. 1.5 智能算法的类别体系
  13. 1.6 评估智能算法的效果
  14. 1.7 智能算法的重点归纳
  15. 1.8 本章小结
  16. 2 从数据中提取结构:聚类和数据变换
  17. 2.1 数据、结构、偏见和噪声
  18. 2.2 维度诅咒
  19. 2.3 k-means算法
  20. 2.4 高斯混合模型
  21. 2.5 k-means和GMM的关系
  22. 2.6 数据坐标轴的变换
  23. 2.7 本章小结
  24. 3 推荐系统的相关内容
  25. 3.1 场景设置:在线电影商店
  26. 3.2 距离和相似度
  27. 3.3 推荐引擎是如何工作的
  28. 3.4 基于用户的协同过滤
  29. 3.5 奇异值分解用于基于模型的推荐
  30. 3.6 Netflix竞赛
  31. 3.7 评估推荐系统
  32. 3.8 本章小结
  33. 4 分类:将物品归类到所属的地方
  34. 4.1 对分类的需求
  35. 4.2 分类算法概览
  36. 4.3 基于逻辑回归的欺诈检测
  37. 4.4 你的结果可信吗
  38. 4.5 大型数据集的分类技术
  39. 4.6 本章小结
  40. 5 在线广告点击预测
  41. 5.1 历史与背景
  42. 5.2 广告交易平台
  43. 5.3 什么是bidder
  44. 5.4 何为决策引擎
  45. 5.5 使用Vowpal Wabbit进行点击预测
  46. 5.6 构建决策引擎的复杂问题
  47. 5.7 实时预测系统的前景
  48. 5.8 本章小结
  49. 6 深度学习和神经网络
  50. 6.1 深度学习的直观方法
  51. 6.2 神经网络
  52. 6.3 感知机
  53. 6.4 多层感知机
  54. 6.5 更深层:从多层神经网络到深度学习
  55. 6.6 本章小结
  56. 7 做出正确的选择
  57. 7.1 A/B测试
  58. 7.2 多臂赌博机
  59. 7.3 实践中的贝叶斯赌博机策略
  60. 7.4 A/B测试与贝叶斯赌博机的对比
  61. 7.5 扩展到多臂赌博机
  62. 7.6 本章小结
  63. 8 智能Web的未来
  64. 8.1 智能Web的未来应用
  65. 8.2 智能Web的社会影响
  66. 附录A 抓取网络上的数据
载入中

大家都喜欢