动手学机器学习
正版保障 假一赔十 可开发票
￥ 55.32 6.2折 ￥ 89.8 全新
库存9件
广东广州
认证卖家担保交易快速发货售后保障
作者张伟楠，赵寒烨，俞勇著
出版社人民邮电出版社
ISBN9787115618207
出版时间2023-08
装帧平装
开本16开
定价89.8元
货号13295231
上书时间2024-09-24
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
张伟楠，上海交通大学副教授，博士生导师，ACM班机器学习、强化学习课程授课教师。主要研究强化学习、数据挖掘、知识图谱、深度学习以及这些技术在推荐系统、游戏智能、机器人控制等场景中的应用，累计发表国际期刊和会议论文180余篇。 赵寒烨，上海交通大学 APEX数据与知识管理实验室博士生，师从张伟楠副教授，研究方向为强化学习、机器学习。以一作身份在人工智能国际会议 NeurIPS上发表论文，并参与多本机器学习相关教材的编写。 俞勇，上海交通大学ACM班创办人，上海交通大学特聘教授。2018年创办伯禹人工智能学院，在上海交通大学ACM班人工智能专业课程体系的基础上，对人工智能课程体系进行创新，致力于培养人工智能算法工程师和研究员。
目录
第 一部分 机器学习基础 第 1 章 初探机器学习 2 1 1 人工智能的“两只手和四条腿” 2 1 2 机器学习是什么 2 1 3 时代造就机器学习的盛行 4 1 4 泛化能力：机器学习奏效的本质 5 1 5 归纳偏置：机器学习模型的“天赋” 6 1 6 机器学习的 7 1 7 小结 7 第 2 章 机器学习的数学基础 8 2 1 向量 8 2 2 矩阵 10 2 2 1 矩阵的基本概念 10 2 2 2 矩阵运算 11 2 2 3 矩阵与线性方程组 12 2 2 4 矩阵范数 13 2 3 梯度 14 2 4 凸函数 17 2 5 小结 19 第 3 章 k近邻算法 20 3 1 KNN算法的原理 20 3 2 用KNN算法完成分类任务 21 3 3 使用scikit-learn实现KNN算法 24 3 4 用KNN算法完成回归任务--色彩风格迁移 25 3 4 1 RGB空间与LAB空间 27 3 4 2 算法设计 27 3 5 小结 30 第 4 章 线性回归 33 4 1 线性回归的映射形式和学习目标 33 4 2 线性回归的解析方法 35 4 3 动手实现线性回归的解析方法 35 4 4 使用sklearn中的线性回归模型 37 4 5 梯度下降算法 38 4 6 学习率对迭代的影响 42 4 7 小结 44 第 5 章 机器学习的基本思想 46 5 1 欠拟合与过拟合 46 5 2 正则化约束 49 5 3 输入特征与相似度 52 5 4 参数与超参数 55 5 5 数据集划分与交叉验证 56 5 6 小结 57 5 7 扩展阅读：贯穿恒等式的证明 58 5 8 参考文献 58 第二部分 参数化模型 第 6 章 逻辑斯谛回归 60 6 1 逻辑斯谛函数下的线性模型 61 6 2 优选似然估计 62 6 3 分类问题的评价指标 64 6 4 动手实现逻辑斯谛回归 69 6 5 使用sklearn中的逻辑斯谛回归模型 73 6 6 交叉熵与优选似然估计 74 6 7 小结 76 6 8 扩展阅读：广义线性模型 78 6 9 参考文献 79 第 7 章 双线性模型 80 7 1 矩阵分解 81 7 2 动手实现矩阵分解模型 83 7 3 因子分解机 86 7 4 动手实现因子分解机模型 89 7 5 小结 92 7 6 扩展阅读：概率矩阵分解 93 7 7 参考文献 95 第 8 章 神经网络与多层感知机 96 8 1 人工神经网络 96 8 2 感知机 97 8 3 隐含层与多层感知机 99 8 4 反向传播 102 8 5 动手实现多层感知机 104 8 6 用PyTorch库实现多层感知机 110 8 7 小结 113 8 8 参考文献 114 第 9 章 卷积神经网络 115 9 1 卷积 115 9 2 神经网络中的卷积 117 9 3 用卷积神经网络完成图像分类任务 119 9 4 用预训练的卷积神经网络完成色彩风格迁移 126 9 4 1 VGG网络 126 9 4 2 内容表示与风格表示 127 9 5 小结 134 9 6 扩展阅读：数据增强 134 9 7 参考文献 136 第 10 章 循环神经网络 137 10 1 循环神经网络的基本原理 137 10 2 门控循环单元 139 10 3 动手实现GRU 141 10 4 小结 146 10 5 参考文献 147 第三部分 非参数化模型 第 11 章 支持向量机 150 11 1 支持向量机的数学描述 150 11 2 序列最小优化 153 11 3 动手实现SMO求解SVM 156 11 4 核函数 158 11 5 sklearn中的SVM工具 162 11 6 小结 163 11 7 扩展阅读：SVM对偶问题的推导 164 第 12 章 决策树 167 12 1 决策树的构造 168 12 2 ID3算法与C4 5算法 171 12 3 CART算法 172 12 4 动手实现C4 5算法的决策树 175 12 4 1 数据集处理 175 12 4 2 C4 5算法的实现 178 12 5 sklearn中的决策树 182 12 6 小结 183 12 7 参考文献 184 第 13 章 集成学习与梯度提升决策树 185 13 1 自举聚合与随机森林 186 13 2 集成学习器 191 13 3 提升算法 194 13 3 1 适应提升 195 13 3 2 梯度提升 200 13 4 小结 205 13 5 参考文献 206 第四部分 无监督模型 第 14 章 k均值聚类 208 14 1 k均值聚类算法的原理 208 14 2 动手实现k均值算法 209 14 3 k-means++算法 212 14 4 小结 214 14 5 参考文献 215 第 15 章主成分分析 216 15 1 主成分与方差 216 15 2 利用特征分解进行PCA 218 15 3 动手实现PCA算法 221 15 4 用sklearn实现PCA算法 222 15 5 小结 223 第 16 章 概率图模型 225 16 1 贝叶斯网络 226 16 2 优选后验估计 228 16 3 用朴素贝叶斯模型完成文本分类 231 16 4 马尔可夫网络 234 16 5 用马尔可夫网络完成图像去噪 236 16 6 小结 240 16 7 参考文献 241 第 17 章 EM算法 242 17 1 高斯混合模型的EM算法 243 17 2 动手求解GMM来拟合数据分布 245 17 3 一般情况下的EM算法 251 17 4 EM算法的收敛性 253 17 5 小结 254 第 18 章 自编码器 255 18 1 自编码器的结构 256 18 2 动手实现自编码器 257 18 3 小结 262 18 4 参考文献 262 总结与展望 264 总结 264 展望 264 中英文术语对照表 267
内容摘要
本书系统介绍了机器学习的基本内容及其代码实现，是一本着眼于机器学习教学实践的图书。
本书包含4个部分：第一部分为机器学习基础，介绍了机器学习的概念、数学基础、思想方法和简单的机器学习算法；第二部分为参数化模型，讲解线性模型、神经网络等算法；第三部分为非参数化模型，主要讨论支持向量机和决策树模型及其变种；第四部分为无监督模型，涉及聚类、降维、概率图模型等多个方面。本书将机器学习理论和实践相结合，以大量示例和代码带领读者走进机器学习的世界，让读者对机器学习的研究内容、基本原理有基本认识，为后续进一步涉足深度学习打下基础。
本书适合对机器学习感兴趣的专业技术人员和研究人员阅读，同时适合作为人工智能相关专业机器学习课程的教材。
主编推荐
1.名家作品。上海交通大学ACM班创办人俞勇教授、博士生导师张伟楠副教授、APEX实验室博士生赵寒烨编写。 2.周志华、朱军、李文新、黄萱菁、刘铁岩、陈天奇等多位业内大咖力荐，内容丰富实用。 3.基于上交大ACM 班的机器学习课程构建机器学习的学习体系，理论扎实，放心学习。 4.配套资源丰富，理论解读视频+在线代码+习题+配套PPT课件+学习社群，有效提升学习效率。
精彩内容
本书系统介绍了机器学习的基本内容及其代码实现，是一本着眼于机器学习教学实践的图书。 本书包含4个部分：第一部分为机器学习基础，介绍了机器学习的概念、数学基础、思想方法和简单的机器学习算法；第二部分为参数化模型，讲解线性模型、神经网络等算法；第三部分为非参数化模型，主要讨论支持向量机和决策树模型及其变种；第四部分为无监督模型，涉及聚类、降维、概率图模型等多个方面。本书将机器学习理论和实践相结合，以大量示例和代码带领读者走进机器学习的世界，让读者对机器学习的研究内容、基本原理有基本认识，为后续进一步涉足深度学习打下基础。 本书适合对机器学习感兴趣的专业技术人员和研究人员阅读，同时适合作为人工智能相关专业机器学习课程的教材。
媒体评论
本书从机器学习的基本概念入手，结合sklearn机器学习算法库，以大量示例和代码带领读者走进机器学习的世界。 ——周志华 南京大学计算机科学与技术系主任兼人工智能学院院长 本书源自上海交通大学 ACM 班机器学习课程讲义，着力帮助读者融会贯通，深入理解机器学习原理并提高动手实战能力，是培养新一代人工智能实战型人才难得的好书。 ——朱军 清华大学计算机科学与技术系博世人工智能冠名教授、IEEE会士 本书是全面、系统的机器学习教材，主要介绍机器学习的核心概念及代表性方法。本书不仅涵盖神经网络、集成学习等常见的机器学习理论，还配备可在线运行的代码，帮助读者通过动手实战来加强对机器学习技术的理解。无论是初学者还是行业人士，都能从本书中得到有价值的帮助和指导。 ——李文新 北京大学计算机学院教授、北京市教学名师、北京大学计算机实验教学中心主任 本书形态新颖、丰富。纸质图书对机器学习的知识体系进行系统介绍，理论解读视频课程对疑难知识点进行更透彻的讲解，代码支持在线运行、修改，习题帮助读者检验、巩固学习效果，教学课件帮助高校教师备课。本书既能为行业人士自学机器学习提供体系化的学习资源，又能通过动手学的方式帮助高校教师和学生完成机器学习的教学与学习。 ——黄萱菁 复旦大学计算机科学技术学院、现代语言学研究院教授 智能化升级已成为当代企业在数字化转型后攀登的新阶梯。为此，需要大量具备专业知识的人工智能人才，他们不仅要深入理解人工智能的理论和算法，更应具备实战能力，以应对实际应用场景中的挑战。本书正是为培养这种实战型人工智能人才而编写的，内容详实、示例丰富、代码清晰，强烈推荐给所有希望深入了解人工智能并进行动手实战的读者。 ——刘铁岩 微软杰出首席科学家、微软研究院科学智能中心亚洲区负责人、微软亚洲研究院副院长 上海交通大学ACM班注重培养学生扎实的专业基础和动手实战能力。俞勇老师团队编写的这本书体现了上海交通大学ACM班在人工智能基础模块人才培养方面的特色理念，在此推荐给各位读者。 ——陈天奇 卡内基梅隆大学机器学习系、计算机科学系助理教授
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价