掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優(yōu)實踐之路
-
>
第一行代碼Android
-
>
深度學習
-
>
Unreal Engine 4藍圖完全學習教程
-
>
深入理解計算機系統(tǒng)-原書第3版
-
>
Word/Excel PPT 2013辦公應用從入門到精通-(附贈1DVD.含語音視頻教學+辦公模板+PDF電子書)
買過本商品的人還買了
智能Web算法-(第2版) 版權信息
- ISBN：9787121317231
- 條形碼：9787121317231 ; 978-7-121-31723-1
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
智能Web算法-(第2版) 本書特色
機器學習一直是人工智能研究領域的重要方向，而在大數據時代，來自Web 的數據采集、挖掘、應用技術又越來越受到矚目，并創(chuàng)造著巨大的價值。本書是有關Web 數據挖掘和機器學習技術的一本知名的著作，第2 版進一步加入了本領域*的研究內容和應用案例，介紹了統(tǒng)計學、結構建模、推薦系統(tǒng)、數據分類、點擊預測、深度學習、效果評估、數據采集等眾多方面的內容。本書內容翔實、案例生動，有很高的閱讀價值。 本書適合對算法感興趣的工程師與學生閱讀，對希望從業(yè)務角度更好地理解機器學習技術的產品經理和管理層來說，亦有很好的參考價值。
智能Web算法-(第2版) 內容簡介
《智能Web算法（第2版）》深入講解了如何建立機器學習系統(tǒng)來對采集的用戶、Web應用、網站日志等數據進行深入分析和挖掘。經過這一版全面的修訂，讀者可以看到智能算法是怎樣從數據中抽取出真實有價值的信息的，核心的機器學習概念也通過scikit-learn的Python代碼示例進行了講解！吨悄躓eb算法（第2版）》指導讀者對來自Web的源源不斷的數據流進行采集、存儲、建模，并掌握開發(fā)推薦引擎、統(tǒng)計分類算法、神經網絡和深度學習等技術。
智能Web算法-(第2版) 目錄
第1章 為智能Web建立應用....................................................................1
1.1 智能算法的實踐運用：Google Now ..................................................................3
1.2 智能算法的生命周期 ...........................................................................................5
1.3 智能算法的更多示例 ...........................................................................................6
1.4 不屬于智能應用的內容 .......................................................................................7
1.4.1 智能算法并不是萬能的思考機器 ...........................................................7
1.4.2 智能算法并不能成為完全代替人類的工具 ...........................................8
1.4.3 智能算法的發(fā)展并非一蹴而就 ...............................................................8
1.5 智能算法的類別體系 ...........................................................................................9
1.5.1 人工智能 ...................................................................................................9
1.5.2 機器學習 .................................................................................................10
1.5.3 預測分析 ................................................................................................. 11
1.6 評估智能算法的效果 .........................................................................................13
1.6.1 評估智能化的程度 .................................................................................13
1.6.2 評估預測 .................................................................................................14
1.7 智能算法的重點歸納 .........................................................................................16
1.7.1 你的數據未必可靠 .................................................................................16
1.7.2 計算難以瞬間完成 .................................................................................17
1.7.3 數據規(guī)模非常重要 .................................................................................17
1.7.4 不同的算法具有不同的擴展能力 .........................................................18
1.7.5 并不存在萬能的方法 .............................................................................18
1.7.6 數據并不是萬能的 .................................................................................18
1.7.7 模型訓練時間差異很大 .........................................................................18
1.7.8 泛化能力是目標 .....................................................................................19
1.7.9 人類的直覺未必準確 .............................................................................19
1.7.10 要考慮融入更多新特征 .......................................................................19
1.7.11 要學習各種不同的模型 .......................................................................19
1.7.12 相關關系不等同于因果關系 ...............................................................20
1.8 本章小結 .............................................................................................................20
第2章 從數據中提取結構：聚類和數據變換.........................................21
2.1 數據、結構、偏見和噪聲 .................................................................................23
2.2 維度詛咒 .............................................................................................................26
2.3 k-means算法 .......................................................................................................27
2.3.1 實踐運用 k-means ..................................................................................31
2.4 高斯混合模型 .....................................................................................................34
2.4.1 什么是高斯分布 .....................................................................................34
2.4.2 期望*大與高斯分布 .............................................................................37
2.4.3 高斯混合模型 .........................................................................................37
2.4.4 高斯混合模型的學習實例 .....................................................................38
2.5 k-means和GMM的關系 .....................................................................................41
2.6 數據坐標軸的變換 .............................................................................................42
2.6.1 特征向量和特征值 .................................................................................43
2.6.2 主成分分析 .............................................................................................43
2.6.3 主成分分析的示例 .................................................................................45
2.7 本章小結 .............................................................................................................47
第3章 推薦系統(tǒng)的相關內容..................................................................48
3.1 場景設置：在線電影商店 .................................................................................49
3.2 距離和相似度 .....................................................................................................50
3.2.1 距離和相似度的剖析 .............................................................................54
3.2.2 *好的相似度公式是什么 .....................................................................56
3.3 推薦引擎是如何工作的 .....................................................................................57
3.4 基于用戶的協(xié)同過濾 .........................................................................................59
3.5 奇異值分解用于基于模型的推薦 .....................................................................64
3.5.1 奇異值分解 .............................................................................................64
3.5.2 使用奇異值分解進行推薦：為用戶挑選電影 .....................................66
3.5.3 使用奇異值分解進行推薦：幫電影找到用戶 .....................................71
3.6 Net.ix競賽 ..........................................................................................................74
3.7 評估推薦系統(tǒng) .....................................................................................................76
3.8 本章小結 .............................................................................................................78
第4章 分類：將物品歸類到所屬的地方................................................79
4.1 對分類的需求 .....................................................................................................80
4.2 分類算法概覽 .....................................................................................................83
4.2.1 結構性分類算法 .....................................................................................84
4.2.2 統(tǒng)計性分類算法 .....................................................................................86
4.2.3 分類器的生命周期 .................................................................................87
4.3 基于邏輯回歸的欺詐檢測 .................................................................................88
4.3.1 線性回歸簡介 .........................................................................................89
4.3.2 從線性回歸到邏輯回歸 .........................................................................91
4.3.3 欺
1.1 智能算法的實踐運用：Google Now ..................................................................3
1.2 智能算法的生命周期 ...........................................................................................5
1.3 智能算法的更多示例 ...........................................................................................6
1.4 不屬于智能應用的內容 .......................................................................................7
1.4.1 智能算法并不是萬能的思考機器 ...........................................................7
1.4.2 智能算法并不能成為完全代替人類的工具 ...........................................8
1.4.3 智能算法的發(fā)展并非一蹴而就 ...............................................................8
1.5 智能算法的類別體系 ...........................................................................................9
1.5.1 人工智能 ...................................................................................................9
1.5.2 機器學習 .................................................................................................10
1.5.3 預測分析 ................................................................................................. 11
1.6 評估智能算法的效果 .........................................................................................13
1.6.1 評估智能化的程度 .................................................................................13
1.6.2 評估預測 .................................................................................................14
1.7 智能算法的重點歸納 .........................................................................................16
1.7.1 你的數據未必可靠 .................................................................................16
1.7.2 計算難以瞬間完成 .................................................................................17
1.7.3 數據規(guī)模非常重要 .................................................................................17
1.7.4 不同的算法具有不同的擴展能力 .........................................................18
1.7.5 并不存在萬能的方法 .............................................................................18
1.7.6 數據并不是萬能的 .................................................................................18
1.7.7 模型訓練時間差異很大 .........................................................................18
1.7.8 泛化能力是目標 .....................................................................................19
1.7.9 人類的直覺未必準確 .............................................................................19
1.7.10 要考慮融入更多新特征 .......................................................................19
1.7.11 要學習各種不同的模型 .......................................................................19
1.7.12 相關關系不等同于因果關系 ...............................................................20
1.8 本章小結 .............................................................................................................20
第2章 從數據中提取結構：聚類和數據變換.........................................21
2.1 數據、結構、偏見和噪聲 .................................................................................23
2.2 維度詛咒 .............................................................................................................26
2.3 k-means算法 .......................................................................................................27
2.3.1 實踐運用 k-means ..................................................................................31
2.4 高斯混合模型 .....................................................................................................34
2.4.1 什么是高斯分布 .....................................................................................34
2.4.2 期望*大與高斯分布 .............................................................................37
2.4.3 高斯混合模型 .........................................................................................37
2.4.4 高斯混合模型的學習實例 .....................................................................38
2.5 k-means和GMM的關系 .....................................................................................41
2.6 數據坐標軸的變換 .............................................................................................42
2.6.1 特征向量和特征值 .................................................................................43
2.6.2 主成分分析 .............................................................................................43
2.6.3 主成分分析的示例 .................................................................................45
2.7 本章小結 .............................................................................................................47
第3章 推薦系統(tǒng)的相關內容..................................................................48
3.1 場景設置：在線電影商店 .................................................................................49
3.2 距離和相似度 .....................................................................................................50
3.2.1 距離和相似度的剖析 .............................................................................54
3.2.2 *好的相似度公式是什么 .....................................................................56
3.3 推薦引擎是如何工作的 .....................................................................................57
3.4 基于用戶的協(xié)同過濾 .........................................................................................59
3.5 奇異值分解用于基于模型的推薦 .....................................................................64
3.5.1 奇異值分解 .............................................................................................64
3.5.2 使用奇異值分解進行推薦：為用戶挑選電影 .....................................66
3.5.3 使用奇異值分解進行推薦：幫電影找到用戶 .....................................71
3.6 Net.ix競賽 ..........................................................................................................74
3.7 評估推薦系統(tǒng) .....................................................................................................76
3.8 本章小結 .............................................................................................................78
第4章 分類：將物品歸類到所屬的地方................................................79
4.1 對分類的需求 .....................................................................................................80
4.2 分類算法概覽 .....................................................................................................83
4.2.1 結構性分類算法 .....................................................................................84
4.2.2 統(tǒng)計性分類算法 .....................................................................................86
4.2.3 分類器的生命周期 .................................................................................87
4.3 基于邏輯回歸的欺詐檢測 .................................................................................88
4.3.1 線性回歸簡介 .........................................................................................89
4.3.2 從線性回歸到邏輯回歸 .........................................................................91
4.3.3 欺
展開全部
智能Web算法-(第2版) 相關資料
“通過嚴謹的數學推導和簡潔的Python代碼，清晰地介紹了算法。” —倫敦帝國理工數據科學研究所 Yike Guo “第2版的修訂給予了這本經典著作以全新的生命。” —Shopify公司 Marius Butuc “本書覆蓋了機器學習實踐應用中絕大部分精華內容，有很強的實踐價值。” —Amazon公司 Radha Ranjan Madhav “在理論和實踐中間取得了非常好的平衡。’” —Fara Frica公司 Dike E. Kalu
智能Web算法-(第2版) 作者簡介
Douglas McIlwraith博士在劍橋大學計算機科學系獲得了學士學位，而后在帝國理工大學獲得了博士學位。他是一位機器學習專家，目前他在位于倫敦的一家廣告網絡公司擔任數據科學家職位。他在分布式系統(tǒng)、普適計算、通用感知、機器人以及安全監(jiān)控方面都貢獻了研究成果，他為讓技術更好地服務人們的生活而無比激動。 Haralambos Marmanis博士是將機器學習技術引入工業(yè)解決方案的先驅，在專業(yè)軟件研發(fā)方面擁有 25年經驗。 Dmitry Babenko為銀行、保險、供應鏈管理、商業(yè)智能企業(yè)等設計和開發(fā)了豐富的應用和系統(tǒng)架構。他擁有白俄羅斯國立信息和無線電大學計算機碩士學位。 譯者簡介 陳運文，計算機博士，達觀數據 CEO，ACM和 IEEE會員，中國計算機學會高級會員；在大數據架構設計、搜索和推薦引擎、文本數據挖掘等領域有豐富的研發(fā)經驗；曾經擔任盛大文學首席數據官、騰訊文學數據中心高級總監(jiān)、百度核心算法工程師等工作，申請有 30余項國家發(fā)明專利，多次參加國際 ACM數據算法競賽并獲得冠亞軍榮譽。
書友推薦
- >
回憶愛瑪儂
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
唐代進士錄
- >
羅庸西南聯(lián)大授課錄
- >
名家?guī)阕x魯迅:故事新編
- >
羅曼·羅蘭讀書隨筆-精裝
- >
二體千字文
- >
莉莉和章魚
本類暢銷
