Python大规模机器学习

图书标准信息

• 作者 [意]卢卡·马萨罗 著；[荷]巴斯蒂安·贾丁（Bastiaan Sjardin）、王贵财、刘春明 译
• 出版社 机械工业出版社
• 出版时间 2019-05
• 版次 1
• ISBN 9787111623144
• 定价 89.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 299页
• 丛书 智能系统与技术丛书

【内容简介】

　　《中国智能制造重点领域发展报告（2018）》聚焦高档数控机床、工业机器人、航天装备、高技术船舶、汽车、输变电装备、农业装备、纺织八个重点领域，系统梳理了各领域智能制造的总体发展状况、关键技术及装备、推广应用状况、典型的实践案例、面临的突出问题和智能制造进一步发展的重点需求。
　　同时，《中国智能制造重点领域发展报告（2018）》分析了德国、美国、日本智能制造的发展现状和发展特点，我国智能制造的学术研究、产业政策、专项实施、应用成效和人才建设等现状及进展，并提出影响我国智能制造发展的五大难点问题，以及我国智能制造进一步发展的产业需求热点，其目的在于服务国家战略决策，并为推进智能制造工作提供借鉴和参考。
　　《中国智能制造重点领域发展报告（2018）》可以为相关部门、地区、领域制定智能制造发展战略及规划提供参考依据，也可作为企业、科研院所等组织参与实施智能制造相关工作的参考用书。

【作者简介】

审校者简介
章迈向可扩展的步1
1.1详细解释可扩展1
1.1.1大规模实例3
1.1.2介绍python4
1.1.3使用python进行向上扩展4
1.1.4使用python进行向外扩展5
1.2python用于大规模机器学6
1.2.1选择python 2还是python 36
1.2.2安装python7
1.2.3逐步安装7
1.2.4安装软件包8
1.2.5软件包升级9
1.2.6科学计算发行版10
1.2.7jupyter/ipython介绍11
1.3python包13
1.3.1numpy14
1.3.2scipy14
1.3.3pandas14
1.3.4scikit.learn15
1.3.5小结21
第2章scikit.learn中的可扩展学22
2.1非核**22
2.1.1选择子采样23
2.1.2一次优化一个实例24
2.1.3构建非核**系统25
2.2流化源数据25
2.2.1处理真实数据集26
2.2.2个示例——流化共享单车数据集28
2.2.3使用pandas i/o工具30
2.2.4使用数据库31
2.2.5关注实例排序35
2.3学37
2.3.1批处理梯度下降37
2.3.2梯度下降40
2.3.3scikit.learn的sgd实现40
2.3.4定义sgd学参数42
2.4数据流的特征管理43
2.4.1描述目标46
2.4.2哈希49
2.4.3其他基本变换51
2.4.4流测试和验证52
2.4.5使用sgd52
2.5小结56
第3章实现快速svm57
3.1测试数据集58
3.1.1共享单车数据集58
3.1.2森林覆盖类型数据集58
3.2支持向量机59
3.2.1hinge loss及其变形64
3.2.2scikit.learn的svm实现65
3.2.3探究通过子采样改善非线svm68
3.2.4使用sgd实现大规模svm70
3.3正则化特征选择77
3.4sgd中的非线78
3.5超参数调整82
3.6小结96
第4章神经网络与深度学97
4.1神经网络架构98
4.1.1神经网络如何学106
4.1.2选择正确的架构110
4.1.3使用神经网络111
4.1.4sknn并行化111
4.2神经网络和正则化113
4.3神经网络和超参数优化115
4.4神经网络和决策边界117
4.5用h2o进行规模化深度学120
4.5.1用h2o进行大规模深度学121
4.5.2h2o上的网格搜索124
4.6深度学和无监督预训练126
4.7使用theas进行深度学126
4.8自动编码器和无监督学128
4.9小结131
第5章用tensorflow进行深度学132
5.1tensorflow安4
5.2在tensorflow上使用skflow进行机器学140
5.3安装keras和tensorflow148
5.4在tensorflow中通过keras实现卷积神经网络152
5.4.1卷积层153
5.4.2池化层153
5.4.3全连接层154
5.5增量n方156
5.6gpu计算156
5.7小结159
第6章大规模分类和回归树160
6.1bootstrap聚合162
6.2森林和森林163
6.3搜索实现快速参数优化167
6.4cart和boosting172
6.5xgboost179
6.5.1xgboost回归181
6.5.2xgboost流化大型数据集184
6.5.3xgboost模型存储185
6.6用h2o实现非核心cart185
6.6.1h2o上的森林和网格搜索186
6.6.2h2o上的梯度增强和网格搜索188
6.7小结191
第7章大规模无监督学192
7.1无监督方192
7.2特征分解：pca193
7.2.1化pca199
7.2.2增量pca200
7.2.3稀疏pca201
7.3使用h2o的pca202
7.4k-均值聚类算203
7.4.1初始化方206
7.4.2k-均值设206
7.4.3选择佳k209
7.4.4扩展k-均值算：小批量212
7.5用h2o实现k-均值216
7.6lda218
7.7小结226
第8章分布式环境——hadoop和spark227
8.1从单机到集群227
8.2设置vm230
8.2.1virtualbox230
8.2.2vagrant232
8.2.3使用vm232
8.3hadoop生态系统234
8.3.1架构234
8.3.2hdfs235
8.3.3mapreduce242
8.3.4yarn250
8.4spark250
8.5小结260
第9章spark机器学实践261
9.1为本章设置虚拟机261
9.2跨集群节点共享变量262
9.2.1广播只读变量262
9.2.2累加器只写变量264
9.2.3广播和累加器的示例265
9.3spark的数据预处理267
9.3.1json文件和spark dataframe268
9.3.2处理缺失数据270
9.3.3在内存中分组和创建表271
9.3.4将预处理的dataframe或rdd写入磁盘273
9.3.5使用spark dataframe274
9.4spark机器学276
9.4.1spark处理kdd99数据集277
9.4.2读取数据集277
9.4.3特征工程280
9.4.4训练学器284
9.4.5评估学器的表现286
9.4.6机器学管道的威力286
9.4.7手动优化288
9.4.8交验证291
9.5小结293
附录介绍gpu和theano294

【目录】

序

综合篇
概论
第一章 主要工业国家智能制造进展分析
一、德国智能制造的进展分析
二、美国智能制造的进展分析
三、日本智能制造的进展分析
第二章 我国智能制造进展分析
一、学术界对智能制造的理解
二、实施智能制造相关政策状况
三、智能制造专项覆盖主要领域
四、智能制造实施成效
五、人才队伍建设进展
第三章 影响我国智能制造发展的五大难点
一、智能制造基础理论和技术体系
二、智能制造标准体系
三、智能传感器的设计、集成及应用-
四、人工智能技术在制造业的应用
五、工业互联网时代的信息安全关键技术
第四章 我国智能制造发展的产业需求热点
一、智能制造装备
二、制造知识库及大数据管理系统
三、精密超精密智能制造系统
四、大批量定制智能制造系统
五、数字化协同制造
参考文献

领域篇
第五章 高档数控机床领域智能制造发展报告
第一节 发展概况
一、重要的战略地位
二、国内外发展状况
三、市场规模和需求
四、战略目标
第二节 关键技术及装备
一、高档数控机床主机
二、高档数控系统
三、关键功能部件
第三节 智能制造的实施应用
一、智能制造所需关键技术
二、智能制造装备
三、数字化车间／工厂
四、行业标准和技术规范
第四节 智能制造实践案例
一、华中8型数控系统
二、北京精雕“在机测量与智能修正”技术
三、东风楚凯智能制造应用
四、普什宁江柔性制造系统、数字化车间
第五节 面临的突出问题
一、制造过程
二、产品性能
第六节 重点需求分析
一、高档数控系统智能化技术研究
二、数控机床智能化及智能机床开发
三、智能制造成套设备的开发
四、智能制造模式的研究和应用
参考文献
第六章 工业机器人领域智能制造发展报告
第一节 发展概况
一、工业机器人重要的战略地位
二、国内外概况
三、市场规模和需求
四、战略目标
第二节 关键技术及装备
一、关键零部件
二、机器人本体
三、机器人系统集成（软件）
……
第七章 航天装备领域智能制造发展报告
第八章 高技术船舶领域智能制造发展报告
第九章 汽车领域智能制造发展报告
第十章 输变电装备领域智能制造发展报告
第十一章 农业装备领域智能制造发展报告
第十二章 纺织领域智能制造发展报告

后记