机器学习的产业实践之路9787111726159
正版图书，可开发票，请放心购买。
￥ 120.99 8.1折 ￥ 149 全新
库存10件
广东广州
认证卖家担保交易快速发货售后保障
作者毕然 飞桨教材编写组 编著
出版社机械工业
ISBN9787111726159
出版时间2023-05
装帧其他
开本其他
定价149元
货号31752675
上书时间2024-07-27
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
目录
目录<br />前言<br />第一部分 原理与思考<br />第1章 机器学习与大数据2<br />1.1 机器为何能学习2<br />1.1.1 人类为何能学习2<br />1.1.2 从个案学习到统计学习3<br />1.1.3 统计学习是否可信5<br />1.2 机器是怎样学习的9<br />1.2.1 机器学习的框架：假设＋目标＋寻解9<br />1.2.2 如何在机器学习场景中应用大数定律14<br />1.2.3 大数据对机器学习的意义17<br />1.2.4 小结20<br />1.3 跨上人工智能的战车20<br />1.3.1 大数据的概念及价值20<br />1.3.2 企业为何要搭上人工智能的战车24<br />1.3.3 企业如何搭上人工智能的战车27<br />1.3.4 人工智能技术团队的建设38<br />第2章 机器学习框架的深入探讨40<br />2.1 机器为何能学习（续）：故事结束了吗？我们需要更多的<br /> ?模型吗40<br />2.1.1 牛顿第二定律的遗留问题40<br />2.1.2 新的需求场景43<br />2.1.3 不同的目标49<br />2.1.4 不同的寻解54<br />2.1.5 小结与回顾60<br />2.2 重要权衡与过拟合62<br />2.2.1 重要权衡的四张“面孔”62<br />2.2.2 过拟合的成因和防控68<br />2.2.3 小结与回顾77<br />第3章 从线性函数到非线性函数，如何构建强大的模型78<br />3.1 从线性函数到非线性函数78<br />3.1.1 线性模型的不足78<br />3.1.2 怎样扩展假设空间79<br />3.2 核函数方法82<br />3.2.1 正则化的另一种理解与SVM模型82<br />3.2.2 核函数的思路86<br />3.3 多模型组合的方法88<br />3.3.1 组合模型的两个好处88<br />3.3.2 实现组合模型的两个步骤和方法89<br />3.3.3 装袋方式91<br />3.3.4 提升方式92<br />3.3.5 切分方式93<br />3.3.6 小结96<br />3.4 神经网络与深度学习97<br />3.4.1 神经网络和深度学习的模型思路97<br />3.4.2 组建神经网络98<br />3.4.3 神经网络模型的优化99<br />3.4.4 非线性变换函数的选择102<br />3.4.5 神经网络结构的选择104<br />3.4.6 深度学习得到发展的前提及其具备的优势107<br />3.4.7 深度学习的重要衍生功能111<br />第4章 机器学习的建模实践122<br />4.1 业务建模122<br />4.1.1 如何做好业务建模122<br />4.1.2 案例：两个不同的排序模型124<br />4.2 特征工程128<br />4.2.1 特征工程的定义128<br />4.2.2 信息可以存储在特征中，也可以存储在模型中129<br />4.2.3 特征工程案例131<br />4.2.4 特征的类型和维度135<br />4.2.5 特征存在缺失或错误值时怎么办137<br />4.2.6 特征降维和选择137<br />4.3 样本处理140<br />4.3.1 训练样本的基本概念140<br />4.3.2 训练样本的常见问题及其解决方案141<br />4.4 模型评估151<br />4.4.1 业务目标的评估151<br />4.4.2 模型目标的评估155<br />4.5 小结170<br />第二部分 应用与方法<br />第5章 电商平台促销策略模型174<br />5.1 业务背景174<br />5.1.1 互联网的盈利模式174<br />5.1.2 广告定价机制175<br />5.2 传统的促销方案176<br />5.2.1 问题1：如何选择促销时机177<br />5.2.2 问题2：如何为店铺制定广告消费任务179<br />5.2.3 问题3：如何设置优惠定价模型182<br />5.3 基于竞争传播的颠覆创新190<br />5.3.1 颠覆创新的思考190<br />5.3.2 竞争传播模型192<br />5.3.3 种子集合筛选算法197<br />5.4 小结198<br />第6章 计算机视觉及其应用产品的构建199<br />6.1 计算机视觉产品的问题背景199<br />6.2 图像的特征表示 200<br />6.2.1 SIFT特征201<br />6.2.2 CNN模型与特征205<br />6.2.3 实现高速计算的方法：特征降维221<br />6.3 视觉产品的构建案例223<br />6.3.1 如何在海量数据中寻找匹配的图像223<br />6.3.2 如何识别和理解图像中的实体信息223<br />6.3.3 其他计算机视觉领域常见任务233<br />6.4 计算机视觉应用的产业分析236<br />6.4.1 计算机视觉在互联网行业的应用237<br />6.4.2 计算机视觉在传统行业的应用243<br />6.5 小结245<br />第7章 知识图谱和对话机器人248<br />7.1 知识图谱技术248<br />7.1.1 两类信息248<br />7.1.2 人工智能技术的发展历程248<br />7.1.3 什么是知识图谱250<br />7.1.4 知识图谱的应用场景251<br />7.2 基于知识的人机交互253<br />7.2.1 基于领域知识优化人机交互策略253<br />7.2.2 领域知识的挖掘257<br />7.3 对话机器人的产业分析与技术方案266<br />7.3.1 技术流派与实现方案266<br />7.3.2 技术应用两大方向268<br />7.3.3 技术实现276<br />7.3.4 应用MDP和Q-learning算法的案例283<br />第三部分 商业与战略<br />第8章 认知新技术：区块链290<br />8.1 从创造者的视角理解技术290<br />8.1.1 货币的本质是什么292<br />8.1.2 如何记账293<br />8.1.3 如何保证账本的真实性294<br />8.1.4 如何保证账本的安全性294<br />8.1.5 如何实现分布式存储的数据同步295<br />8.1.6 如何解决记账的动力297<br />8.2 用抽象逻辑梳理应用场景298<br />8.2.1 “链圈”应用的内在逻辑298<br />8.2.2 区块链技术应用的案例299<br />8.2.3 区块链技术应用的三个阻碍303<br />8.2.4 “链圈”应用的总结306<br />8.3 “币圈”应用思想的精要306<br />8.3.1 为什么要发币306<br />8.3.2 为何币会值钱307<br />8.3.3 如何设计发币309<br />8.4 从商业本质来制定战略310<br />第9章 医疗行业的技术布局和应用思考314<br />9.1 谋划行业中的技术应用314<br />9.2 互联网医疗平台315<br />9.2.1 多种医药流通业态逐渐融合315<br />9.2.2 互联网医疗平台与商业保险的合作模式316<br />9.3 医疗行业的技术应用分析317<br />9.3.1 互联网应用318<br />9.3.2 区块链应用321<br />9.3.3 IT软件和云计算应用326<br />9.3.4 人工智能应用330<br />9.3.5 科技企业进入传统行业落地AI技术336<br />9.4 思考技术在行业应用的方法论338<br />第10章 从技术到商业的思考340<br />10.1 主题回顾340<br />10.2 从技术到商业的思维模式转变341<br />10.2.1 战略壁垒的重要性341<br />10.2.2 常见的战略壁垒342<br />10.3 新型壁垒：平台模式的解析346<br />10.3.1 平台模式的典型案例：Steam游戏平台346<br />10.3.2 互联网企业以整合C端平台供应链的<br /> ? 模式切入B端服务市场348<br />10.3.3 互联网企业赋能生态伙伴的方法论352<br />10.4 技术投资与采购的方法论358<br />10.4.1 层面1：梳理业务所需的技术全景358<br />10.4.2 层面2：梳理具体技术方向的内部逻辑359<br />10.4.3 层面3：分析具备能力的候选企业361<br />10.4.4 案例：短视频C端赛道的业务362<br />10.5 人工智能的产业展望364<br />10.5.1 人工智能未来的发展364<br />10.5.2 人工智能应用的方法论367<br />10.5.3 人工智能的企业市场分析368<br />10.6 企业的组织能力： 《创新者的窘境》中的理论370<br />10.7 人工智能应用领域的职业前景372<br />第四部分 工具与实践<br />第11章 实践课374<br />11.1 实践课1：基于深度学习框架飞桨完成房价<br /> 预测任务374<br />11.1.1 深度学习框架374<br />11.1.2 飞桨产业级深度学习开源开放平台375<br />11.1.3 使用飞桨构建波士顿房价预测模型383<br />11.2 实践课2：手写数字识别384<br />11.3 实践课3：词向量和语义相似度388<br />11.4 实践课4：毕业设计395<br />11.4.1 毕业设计作业395<br />11.4.2 往届学员优秀作品展示396
内容摘要
本书的内容章节分为四个部分，从技术原理到项目实践再到商业战略，逐层放开视野。内容涉及基于人工智能技术在产业中做创新业务的方法论，通过交流“思想”和“应用方法论”，使大家掌握机器学习的深层次思想，并理解商业、产品和技术的深层关系。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价