
机器学习开发者指南
¥37.76
作品简介
本书将带领读者学习如何实施各种机器学习技术及其日常应用的开发。本书分为9章,从易于掌握的语言基础数据和数学模型开始,向读者介绍机器学习领域中使用的各种库和框架,然后通过有趣的示例实现回归、聚类、分类、神经网络等,从而解决如图像分析、自然语言处理和时间序列数据的异常检测等实际问题。本书适合机器学习的开发人员、数据分析人员、机器学习领域的从业人员,以及想要学习机器学习的技术爱好者阅读。使用任何脚本语言的编程人员都可以阅读本书,但如果熟悉Python语言的话,将有助于充分理解本书的内容。
鲁道夫·邦宁(Rodolfo Bonnin),是阿根廷国家科技大学的系统工程师,博士。他在德国斯图加特大学学习并行编程和图像理解的研究生课程。自2005年以来,他一直在研究高性能计算,并于2008年开始研究和实现卷积神经网络,编写支持CPU和GPU的神经网络前馈阶段。最近,他一直致力于利用神经网络进行欺诈模式检测的工作,并使用机器学习技术进行信号分类。他也是《Tensorflow机器学习项目实战》的作者。
作品目录
内容提要
序
译者序
作者简介
审稿人简介
前言
资源与支持
第1章 机器学习和统计科学
1.1 机器学习的发展
1.2 编程语言与库
1.3 基本数学概念
1.4 小结
第2章 学习过程
2.1 理解问题
2.2 数据集定义与检索
2.3 特征工程
2.4 数据预处理
2.5 模型定义
2.6 损失函数定义
2.7 模型拟合和评价
2.8 模型应用与结果分析
2.9 小结
第3章 聚类
3.1 分组—— 一种人类行为
3.2 自动化聚类过程
3.3 寻找一个共同的中心—— K-means
3.4 最近邻(Nearest Neighbors)
3.5 K-NN算法实现示例
3.6 算法扩展
3.7 小结
第4章 线性回归和逻辑回归
4.1 回归分析
4.2 线性回归
4.3 实践中的数据研究和线性回归
4.4 逻辑回归
4.5 小结
第5章 神经网络
5.1 神经模型的历史
5.2 使用单层感知器实现简单的功能
5.3 小结
第6章 卷积神经网络
6.1 卷积神经网络的起源
6.2 深度神经网络
6.3 使用Keras部署一个深度神经网络
6.4 用Quiver开发卷积模型
6.5 小结
第7章 循环神经网络
7.1 按顺序解决问题——RNN
7.2 LSTM
7.3 采用电能消耗数据预测单变量时间序列
7.4 小结
第8章 近期的新模型及其发展
8.1 GAN
8.2 强化学习
8.3 基本强化学习技术:Q学习
8.4 小结
第9章 软件安装与配置
9.1 Linux系统环境安装
9.2 macOS X系统环境安装
9.3 Windows系统环境安装
9.4 小结
参考资料