跨平台机器学习 ML.NET架构及应用编程
全新正版 极速发货
￥ 60.07 6.1折 ￥ 99 全新
库存6件
广东广州
认证卖家担保交易快速发货售后保障
作者(意)迪诺·埃斯波西托,(意)弗朗西斯科·埃斯波西托
出版社清华大学出版社
ISBN9787302619239
出版时间2022-12
装帧平装
开本32开
定价99元
货号1202813645
上书时间2024-06-02
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
作者简介迪诺·埃斯波西托（DinoEsposito）Crionet首席架构师兼联合创始人，为专业体育机构提供创新软件和服务。16届微软最有价值专家，出版著作超过20部。弗朗西斯科·埃斯波西托（FrancescoEsposito）数学高手，精通高等数学与数据科学，《机器学习导论》合著者。目前服务于Crionet，担任工程与数学总监。连续创业者，先后创办了Youbiquitous和KBMSDataForce。
目录
第1章 人工智能软件001第2章 透视ML.NET架构011第3章 ML.NET基础033第4章 预测任务055第5章 分类任务091第6章 聚类任务125第7章 异常检查任务149第8章 预测任务177第9章 推荐任务199第10章 图像分类任务219第11章 神经网络概述237第12章 用于识别护照的神经网络255附录 模型的可解释性271详 细 目 录第1章 人工智能软件0011.1 软件的源起0021.1.1 计算机的形式化0021.1.2 计算机工程设计0031.1.3 人工智能的诞生0041.1.4 作为副作用的软件0041.2 软件在今天的作用0051.2.1 自动化任务0061.2.2 反映现实世界0071.2.3 赋能用户0081.3 人工智能如同软件008第2章 透视ML.NET架构0112.1 Python与机器学习0122.1.1 Python为什么在机器学习中如此受欢迎0122.1.2 Python机器学习库的分类0132.1.3 Python模型顶部的端到端方案0162.2 ML.NET概述0172.2.1 ML.NET中的学习管道0182.2.2 模型训练执行摘要0242.3 使用训练好的模型0282.3.1 使模型可从外部调用0292.3.2 其他部署场景0302.3.3 从数据科学到编程0302.4 小结031第3章 ML.NET基础0333.1 通往数据工程0333.1.1 数据科学家的角色0343.1.2 数据工程师的角色0353.1.3 机器学习工程师的角色0363.2 从什么数据开始0373.2.1 理解可用的数据0373.2.2 构建数据处理管道0403.3 训练步骤0433.3.1 选择算法0443.3.2 衡量算法的实际价值0453.3.3 计划测试阶段0463.3.4 关于指标0473.4 在客户端应用程序中使用模型0483.4.1 获取模型文件0493.4.2 完整项目0493.4.3 预测打车费用0503.4.4 可伸缩性的考虑0523.4.5 设计恰当的用户界面0533.5 小结054第4章 预测任务0554.1 管道和评估器链0564.1.1 数据视图0564.1.2 转换器0574.1.3 估算器0584.1.4 管道0594.2 回归ML任务0594.2.1 ML任务的常规方面0604.2.2 支持的回归算法0604.2.3 支持的校验技术0634.3 使用回归任务0664.3.1 可用的训练数据0664.3.2 特征工程0714.3.3 访问数据库内容0744.3.4 合成训练管道0774.4 机器学习深入思考0874.4.1 简单线性回归0874.4.2 非线性回归0884.5 小结089第5章 分类任务0915.1 二分类机器学习任务0915.1.1 支持的算法0925.1.2 支持的验证技术0945.2 情感分析的二分类0945.2.1 了解可用的训练数据0945.2.2 特征工程0985.2.3 合成训练管道1015.3 多分类ML任务1065.4 使用多分类任务1105.4.1 了解可用的数据1105.4.2 合成训练管道1135.5 机器学习深入思考1215.5.1 分类的多面性1215.5.2 情感分析的另一个视角1225.6 小结123第6章 聚类任务1256.1 聚类ML任务1256.1.1 无监督学习1266.1.2 了解可用的训练数据1266.1.3 特征工程1316.1.4 聚类算法1326.1.5 合成训练管道1376.1.6 设置客户端应用程序1396.2 机器学习深入思考1436.2.1 第一步始终是聚类分析1446.2.2 数据集的无监督缩减1456.3 小结147第7章 异常检查任务1497.1 什么是异常1497.2 检查异常情况的常规方法1507.2.1 时间序列数据1507.2.2 统计技术1537.2.3 机器学习方法1547.3 异常检查ML任务1577.3.1 了解可用的训练数据1577.3.2 合并训练管道1607.3.3 设置客户端应用程序1677.4 机器学习深入思考1717.4.1 预测性维护1727.4.2 金融诈骗1747.5 小结175第8章 预测任务1778.1 预测未来1778.1.1 简单预测方法1788.1.2 预测的数学基础1788.1.3 常见的分解算法1808.1.4 SSA算法1818.2 预测ML任务1838.2.1 了解可用的数据1838.2.2 合成训练管道1858.2.3 设置客户端应用程序1908.3 机器学习深入思考1938.3.1 不是公园里的随机漫步1948.3.2 时间序列的其他方法1948.3.3 电力生产预测1958.4 小结198第9章 推荐任务1999.1 深入信息检索系统2009.1.1 排名的基本艺术2019.1.2 推荐的灵活艺术2019.1.3 协同过滤的精妙艺术2039.2 ML推荐任务2049.2.1 了解可用的数据2049.2.2 合成训练管道2089.2.3 设置客户端应用程序2129.3 机器学习深入思考2159.3.1 如果喜欢奈飞2159.3.2 如果你不喜欢奈飞2169.4 小结217第10章 图像分类任务21910.1 迁移学习22010.1.1 流行的图像处理神经网络22010.1.2 其他图像神经网络22010.2 通过合成进行迁移学习22110.2.1 ML.NET中的迁移学习模式22110.2.2 新的图像分类器的总体目标22210.2.3 了解可用的数据22310.2.4 合成训练管道22610.2.5 设置客户端应用程序22810.3 ML图像分类任务23010.3.1 图像分类API23110.3.2 使用图像分类API23210.4 机器学习深入思考23310.4.1 人脑的魔法23310.4.2 人工打造的神经网络23410.4.3 重新训练23510.5 小结235第11章 神经网络概述23711.1 前馈神经网络23711.1.1 人工神经元23811.1.2 网络的层级24011.1.3 Logistic神经元24111.1.4 训练神经网络24311.2 更复杂的神经网络24611.2.1 有状态神经网络24611.2.2 卷积神经网络24911.2.3 自动编码器25211.3 小结253第12章 用于识别护照的神经网络25512.1 使用Azure认知服务25512.1.1 问题的剖析和解决方案25612.1.2 与ID表单识别器协同工作25712.2 自己动手打造神经网络26112.2.1 神经网络的拓扑26212.2.2 训练时的麻烦26712.3 机器学习深入思考26812.3.1 商品和垂直解决方案26912.3.2 什么时候只能使用定制解决方案26912.4 小结270附录 模型的可解释性271
内容摘要
ML.NET是面向.NET开发人员的开源机器学习框架，可以帮助开发人员使用C#或F#创建自定义机器学习模型，从而将机器学习集成到Web、移动、桌面、游戏和物联网应用中。《跨平台机器学习
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价