書馨卡幫你省薪 2024個(gè)人購書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >
機(jī)器學(xué)習(xí)觀止 核心原理與實(shí)踐

機(jī)器學(xué)習(xí)觀止 核心原理與實(shí)踐

出版社：清華大學(xué)出版社出版時(shí)間：2021-03-01
開本： 16開 頁數(shù)： 772
中 圖 價(jià):¥119.3(7.1折) 定價(jià)  ¥168.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>
買過本商品的人還買了

機(jī)器學(xué)習(xí)觀止 核心原理與實(shí)踐 版權(quán)信息

機(jī)器學(xué)習(xí)觀止 核心原理與實(shí)踐 本書特色

一個(gè)處于工程應(yīng)用前沿的首席技術(shù)專家?guī)阆到y(tǒng)學(xué)習(xí)AI技術(shù)： 學(xué)術(shù) 應(yīng)用，綜合學(xué)習(xí)，融會(huì)貫通； 軟件 硬件，系統(tǒng)學(xué)習(xí)，整體思考； 算法 平臺(tái)，密切結(jié)合，釋疑解惑。

機(jī)器學(xué)習(xí)觀止 核心原理與實(shí)踐 內(nèi)容簡介

《機(jī)器學(xué)習(xí)觀止——核心原理與實(shí)踐》在寫作伊始，就把讀者設(shè)想為一位雖然沒有任何AI基礎(chǔ)，但對技術(shù)本身抱有濃厚興趣、喜歡“抽絲剝 繭”、探究真相的“有識(shí)之士”。有別于市面上部分AI技術(shù)書籍從一開始就直接講解各種“高深莫測”算法的敘 述手法，《機(jī)器學(xué)習(xí)觀止——核心原理與實(shí)踐》嘗試先從零開始構(gòu)建基礎(chǔ)技術(shù)點(diǎn)，而后“循序漸進(jìn)”地引領(lǐng)讀者前進(jìn)，*終“直搗黃龍”，贏取* 后的勝利。 全書據(jù)此分為5篇，共31章，內(nèi)容基本覆蓋了由AI發(fā)展歷史、數(shù)學(xué)基礎(chǔ)知識(shí)、機(jī)器學(xué)習(xí)算法等經(jīng)典知識(shí)點(diǎn)以及 深度學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)等較新理論知識(shí)所組成的AI核心技術(shù)。同時(shí)注重“理論聯(lián)系實(shí)踐”，通過多個(gè)章節(jié)重點(diǎn) 介紹了如何在工程項(xiàng)目中運(yùn)用AI來解決問題的諸多經(jīng)驗(yàn)以及相應(yīng)的模型算法，以期讓讀者既能享受到“知其所以 然”的樂趣，還能體會(huì)到“知其然”的輕松和愉悅。 《機(jī)器學(xué)習(xí)觀止——核心原理與實(shí)踐》適合對AI感興趣的讀者閱讀，從事AI領(lǐng)域工作的研究人員、工程開發(fā)人員、高校本科生和研究生都可以從 《機(jī)器學(xué)習(xí)觀止——核心原理與實(shí)踐》中學(xué)到機(jī)器學(xué)習(xí)的相關(guān)知識(shí)。

機(jī)器學(xué)習(xí)觀止 核心原理與實(shí)踐 目錄

目 錄


機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)篇


第1章 人工智能概述 002

1.1 人工智能的定義 002

1.2 人工智能發(fā)展簡史 003

1.3 人工智能經(jīng)典流派 016

1.4 人工智能與機(jī)器學(xué)習(xí) 027

1.5 如何選擇機(jī)器學(xué)習(xí)算法 029

1.6 機(jī)器學(xué)習(xí)的典型應(yīng)用場景 032

1.7 本書的組織結(jié)構(gòu) 043


第2章 機(jī)器學(xué)習(xí)中的數(shù)學(xué)基礎(chǔ) 045

2.1 微分學(xué) 045

2.2 線性代數(shù) 047

2.3 概率論 060

2.4 統(tǒng)計(jì)學(xué) 065

2.5 *優(yōu)化理論 068

2.6 其他 088


第3章 機(jī)器學(xué)習(xí)模型的度量指標(biāo) 099

3.1 Precision、Recall和mAP 099

3.2 F1 Score 101

3.3 混淆矩陣 102

3.4 ROC 103

3.5 AUC 105

3.6 PRC 107

3.7 工業(yè)界使用的典型AI指標(biāo) 108


經(jīng)典機(jī)器學(xué)習(xí)篇


第4章 回歸算法 112

4.1 回歸分析 112

4.2 線性回歸 112

4.3 邏輯回歸 115


第5章 K-NN算法 122

5.1 K-NN概述 122

5.2 K-NN分類算法 123

5.3 K-NN回歸算法 124

5.4 K-NN的優(yōu)缺點(diǎn) 125

5.5 K-NN工程范例 126


第6章 k-means 129

6.1 k-means概述 129

6.2 k-means核心算法 129

6.3 k-means算法的優(yōu)缺點(diǎn) 131

6.4 k-means工程范例 132


第7章 樸素貝葉斯 135

7.1 樸素貝葉斯分類算法 135

7.2 樸素貝葉斯的實(shí)際應(yīng)用 137


第8章 決策樹和隨機(jī)森林 141

8.1 決策樹 141

8.2 隨機(jī)森林 146


第9章 支持向量機(jī) 149

9.1 SVM可以做什么 149

9.2 SVM的數(shù)學(xué)表述 151

9.4 硬間隔SVM 174

9.5 軟間隔SVM 177

9.6 核函數(shù)技巧 182

9.7 多分類SVM 187

9.8 SVM實(shí)踐 193


第10章 PCA降維 196

10.1 降維概述 196

10.2 PCA降維實(shí)現(xiàn)原理 197

10.3 PCA實(shí)例 200


第11章 集成學(xué)習(xí) 202

11.1 集成學(xué)習(xí)概述 202

11.2 集成學(xué)習(xí)架構(gòu) 203

11.3 典型的集成方法 206


深度學(xué)習(xí)進(jìn)階篇


第12章 深度神經(jīng)網(wǎng)絡(luò) 212

12.1 神經(jīng)元 212

12.2 激活函數(shù) 214

12.4 損失函數(shù) 224


第13章 卷積神經(jīng)網(wǎng)絡(luò) 232

13.1 CNN發(fā)展歷史簡述 232

13.2 CNN的核心組成元素 233

13.3 CNN經(jīng)典框架 237

13.4 CNN的典型特性 249


第14章 RNN與LSTM 256

14.1 RNN 256

14.2 RNN的多種形態(tài) 257

14.3 RNN存在的不足 258

14.4 LSTM 259

14.5 LSTM核心框架 259

14.6 GRU 263


第15章 深度強(qiáng)化學(xué)習(xí) 265

15.1 強(qiáng)化學(xué)習(xí)和MDP 265

15.2 MDP問題的解決方案分類 268

15.3 基于模型的動(dòng)態(tài)規(guī)劃算法 269

15.4 基于無模型的強(qiáng)化學(xué)習(xí)算法 272

15.5 DQN 278

15.6 基于策略的強(qiáng)化學(xué)習(xí)算法 280


第16章 MCTS 285

16.1 MCTS概述 285

16.2 MCTS算法核心處理過程 286

16.3 UCB和UCT 286

16.4 MCTS實(shí)例解析 288


機(jī)器學(xué)習(xí)應(yīng)用實(shí)踐及相關(guān)原理


第17章 數(shù)據(jù)集的建設(shè) 292

17.1 數(shù)據(jù)集建設(shè)的核心目標(biāo) 292

17.2 數(shù)據(jù)采集和標(biāo)注 294

17.3 數(shù)據(jù)分析和處理 299


第18章 CNN訓(xùn)練技巧 304

18.1 數(shù)據(jù)預(yù)處理 304

18.2 數(shù)據(jù)增強(qiáng) 308

18.3 CNN核心組件擇優(yōu) 309

18.4 參數(shù)初始化策略 310

18.5 模型過擬合解決方法 319

18.6 模型的可解釋性 328

18.7 Auto ML 346


第19章 CV和視覺識(shí)別經(jīng)典模型 348

19.1 CV發(fā)展簡史 348

19.2 視覺識(shí)別概述 353

19.3 R-CNN 359

19.4 Fast R-CNN 364

19.5 SPP-Net 365

19.6 Faster R-CNN 368

19.7 YOLO 375

19.8 SSD 383

19.9 不基于CNN來實(shí)現(xiàn)目標(biāo)識(shí)別 390


第20章 自然語言處理和CNN 397

20.1 NLP簡述 397

20.2 NLP發(fā)展歷史 399

20.3 自然語言基礎(chǔ) 400

20.4 詞的表達(dá)方式 403

20.5 自然語言模型 405

20.6 word2vec 416

20.6.1 word2vec簡介 416

20.7 常用語料庫 420

20.8 NLP應(yīng)用：文本分類 424


第21章 自然語言處理和CNN 430

21.1 應(yīng)用程序場景識(shí)別背景 430

21.2 特征向量 431

21.3 數(shù)據(jù)采集 432

21.4 算法模型 433

21.5 落地應(yīng)用 433


第22章 軟件自動(dòng)修復(fù) 436

22.1 什么是軟件自動(dòng)修復(fù) 436

22.2 軟件自動(dòng)修復(fù)基礎(chǔ)知識(shí) 437

22.3 階段1：缺陷定位 441

22.4 階段2：補(bǔ)丁生成 458

22.5 APR領(lǐng)域經(jīng)典框架 462


第23章 基于強(qiáng)化學(xué)習(xí)的經(jīng)典應(yīng)用—AlphaGO 479

23.1 AlphaGO簡述 479

23.2 AlphaGO核心原理 480

23.3 策略網(wǎng)絡(luò) 481

23.4 估值網(wǎng)絡(luò) 483

23.5 MCTS 483


機(jī)器學(xué)習(xí)平臺(tái)篇


第24章 分布式機(jī)器學(xué)習(xí)框架基礎(chǔ)知識(shí) 488

24.1 分布式機(jī)器學(xué)習(xí)核心理念 488

24.2 GPU硬件設(shè)備 491

24.3 網(wǎng)絡(luò)標(biāo)準(zhǔn) 498

24.4 分布式通信框架 500

24.5 經(jīng)典分布式ML框架Caffe-MPI 511


第25章 Tensorflow 514

25.1 Tensorflow安裝過程 514

25.2 Tensorflow基礎(chǔ)知識(shí) 516

25.3 Tensorflow分布式訓(xùn)練 533

25.4 Tensorflow分布式部署 549

25.5 Tensorflow范例解析 560

25.6 Tensorflow的“變種” 563


第26章 Caffe 568

26.1 Caffe的安裝 568

26.2 Caffe支持的數(shù)據(jù)集格式 587

26.3 Caffe中的網(wǎng)絡(luò)模型構(gòu)建 594

26.4 Google Protocol Buffer 598

26.5 Caffe2源碼結(jié)構(gòu) 600

26.6 Caffe工程范例 601

26.7 Caffe中的Model Zoo 607


第27章 scikit-learn 609

27.1 scikit-learn的安裝 610

27.2 scikit-learn中的機(jī)器學(xué)習(xí)算法 610

27.3 scikit-learn中的Model selection 613

27.4 scikit-learn中的預(yù)處理 619


第28章 主流AI云平臺(tái) 628

28.1 Microsoft OpenPAI 628

28.2 Google Cloud 631

28.3 Baidu 631

28.4 Alibaba 637


第29章 圖像處理基礎(chǔ) 650

29.1 光、色彩和人類視覺系統(tǒng) 650

29.2 圖像的顏色模型 653

29.3 圖像的基本屬性 655

29.4 圖像特征 659

29.5 圖像的典型特征描述子 661

29.6 圖像處理實(shí)例(圖像質(zhì)量檢測) 690


第30章 程序切片技術(shù) 693

30.1 程序切片綜述 693

30.2 程序切片基礎(chǔ)知識(shí) 695

30.3 靜態(tài)切片技術(shù) 715

30.4 動(dòng)態(tài)切片技術(shù) 721


第31章 業(yè)界主流數(shù)據(jù)集分析 726

31.1 ImageNet簡述 726

31.2 ImageNet的構(gòu)建邏輯 726

31.3 ImageNet數(shù)據(jù)源的選擇與處理 730

31.4 ImageNet的下載 733


參考文獻(xiàn) 736


展開全部

機(jī)器學(xué)習(xí)觀止 核心原理與實(shí)踐 作者簡介

林學(xué)森，香港中文大學(xué)研究生學(xué)歷，現(xiàn)為某世界100強(qiáng)科技公司首席技術(shù)專家、資深架構(gòu)師。在系統(tǒng)軟件、人工智能、軟件工具鏈、分布式系統(tǒng)等領(lǐng)域具備多年的技術(shù)研發(fā)與項(xiàng)目管理經(jīng)驗(yàn)。另著有《深入理解Android內(nèi)核設(shè)計(jì)思想》《Android應(yīng)用程序開發(fā)權(quán)威指南》等書籍。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服