Python机器学习 ： 核心技术与开发实战 周志华西瓜书机器学习实战伴侣书

图书标准信息

• 作者 [美]普拉提克·乔希 著；李现伟 译者；颉腾文化 出品；阿尔伯托·阿尔塔桑切斯（美）；曾小健
• 出版社 北京理工大学出版社
• 出版时间 2023-12
• 版次 1
• ISBN 9787576330601
• 定价 139.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸

【内容简介】

《Python机器学习：核心技术与开发实战》（原书第2版）是一本面向广泛Python程序员的实用指南，全面深入地介绍了人工智能领域的关键概念和技术。从基础概念、算法到实际应用，覆盖了推荐系统、特征工程、机器学习上云等多个主题。清晰易懂的代码示例、丰富实例和案例让读者轻松理解和实践，适用于初学者、中级水平者以及有经验的工程师。无论你是想入门人工智能领域，还是希望深化实战经验，本书都是不可或缺的指南。

【作者简介】

本书由阿尔伯托·阿尔塔桑切斯和普拉提克·乔希专业人士创作

阿尔伯托·阿尔塔桑切斯 （Ａｌｂｅｒｔｏ Ａｒｔａｓａｎｃｈｅｚ） 是一名数据科学家， 在财富 ５００ 强公司和 初创公司拥有超过 ２５ 年的咨询经验， 在人工智能和高级算法方面具有资深背景。 阿尔塔桑切斯先生 拥有 ９ 项 ＡＷＳ 认证， 包括大数据专业和机器学习专业认证。 他是 ＡＷＳ 大使， 经常在各种数据科学 博客上发表文章。 从数据科学、 大数据和分析， 到核保优化和欺诈检测， 他经常被选为演讲人。 他在大规模设计和构建端到端机器学习平台方面有着丰富的经验。 阿尔塔桑切斯毕业于美国韦恩州立大学， 获得理学硕士学位、 卡拉马祖学院文学学士学位。 他对使用人工智能大规模构建数据湖特别感兴趣。

 普拉提克·乔希 （Ｐｒａｔｅｅｋ Ｊｏｓｈｉ） 是 Ｐｌｕｔｏｓｈｉｆｔ 的创始人， 出版了 ９ 本关于人工智能的书籍。 他曾在福布斯 ３０ 强、 美国全国广播公司、 彭博社、 美国消费者新闻与商业频道、 科技危机和商业杂志上亮相， 也曾在 ＴＥＤｘ、 全球大数据大会、 机器学习开发者大会、 硅谷深度学习会议等担任特邀演讲人。 他的科技博客在 ２００ 多个国家获得了超过 ２Ｍ 的页面浏览量， 拥有 ７ ５００ 多名追随者。 除了人工智能， 一些让他兴奋的话题是数论、 密码学和量子计算。 他更大的目标是让每个人都能接触到人工智能， 这样就能影响全世界数十亿人。

【目录】

1,1人工智能概述//002

1,2学人工智能的原因//003

1.3人工智能的分支//004

1.4机器学的五个学派//006

1.5使用图灵测试定义智能//007

1.6让机器像人类一样思//008

1.7智能体概述//009

1.8通用问题求解器//009

1.9构建智能体//010

1.10安装python 3//011

1.10.1 在 ubuntu上安装python 3//011

1.10.2在mac osx上安装python 3//012

1.10.3在windows上安装python 3//012

1.11安装软件包//012

1.12加载数据//013

1.13本章小结//014

2.1人工智能的代表用例//017

2.2数字个人助理和聊天机器人//018

私人司机//019

2.4运输和仓库管理//021

2.5人类健康//021

2.6知识搜索//023

2.7系统//024

智能家居//026

游戏//029

电影制作//031

核保和交易分析//032

数据清理和转换//033

2.13本章小结//034

3.1 机器学管道概述//036

问题定义//038

数据获取//038

数据准备//041

数据划分//043

模型训练//043

候选模型评估和选择//043

模型部署//043

能监控//044

3.10本章小结//046

特征选择//048

特征重要//050

4.1.2单变量选择//050

4.1.3相关矩阵热图//052

4.2特征工程//054

4.2.1插补//055

4.2.2异常值管理//058

4.2.3独热编码//060

4.2.4对数变换//062

4.2.5缩放//063

4.2.6期作//065

4.3本章小结//065

5.1监督学和无监督学//067

分类算法//068

预处理数据//068

5.3.1二值化//069

5.3.2删除均值//069

5.3.3缩放//070

5.3.4规范化//071

标签编码//072

5.5构建逻辑回归分类器//074

5.6构建朴素贝叶斯分类器//077

混淆矩阵//080

支持向量机//082

5.9构建支持向量机分类器//083

回归算法//086

构建单变量回归器//087

5.12构建多变量回归器//090

5.13用支持向量回归模型估计房价//092

5,14本章小结//094

决策树概述//096

6.2集成学概述//100

6.3森林和极限森林概述//100

6.3.1构建森林和极限森林分类器//101

6.3.2估计预测的置信度//105

6.4处理类别不衡//107

6.5利用网格搜索寻找优训练参数//111

6.6计算相对特征重要//114

6.7使用极限森林回归器预测流量//116

本章小结//118

……

23.1大数据基础//450

23.1.1爬虫//452

23.1.2索引//453

排序//453

23.1.4全球数据中心//453

23.1.5分布式查找//454

23.1.6定制软件//454

23.2大数据的三个v//454

23.2.1 大量数据//455

23.2.2速度快//455

23.2.3多样//456

23.3大数据和机器学//457

23.4使用大数据的机器学管道//458

23.4.1 apache hadoop//458

23.4.2 apache spark//459

23.4.3 apache impala//460

23.4.4 nosql数据库//461

23.5本章小结//462