机器学习技术图书(全3册)
全新正版 极速发货
￥ 247.56 6.9折 ￥ 357 全新
库存7件
广东广州
认证卖家担保交易快速发货售后保障
作者王聪颖,谢志辉 等 编
出版社机械工业出版社
ISBN9782200059002
出版时间2023-11
装帧平装
开本32开
定价357元
货号1203313728
上书时间2024-11-15
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
王聪颖，北京邮电大学计算机学院（国家示范性软件学院）硕士，现任滴滴国际化资深算法工程师，负责滴滴国际化增长、调度算法策略。曾供职于快手，顺丰，VMware等多家国内外知名科技公司，从0-1、1-10的参与设计并主导开发了多个机器学习算法赋能业务场景并显著提升业务效果的项目，曾获得Kaggle比赛银牌、铜牌。谢志辉，得克萨斯大学奥斯汀分校博士, 在人工智能和机器学习领域有着深厚实践和理论经验。曾供职于滴滴出行和阿里巴巴等互联网平台，成功构建了工业级的分析和自动化的模型平台，对支持业务规模化和快速迭代起到了关键作用。作者也曾在美国雅虎公司桑尼维尔总部担任广告科学家, 从事雅虎全域展示广告和视频广告交易以及拍卖定价机制的相关研究,贡献数千万美元的卖方收益。进入工业界之前在伊利诺伊大学执教。作者在相关领域的国际会议和杂志上发表论文十多篇，申请中/已授权中美国专利二十多项。王宇龙，清华大学计算机博士，大型互联网公司算法专家，在国际学术会议及期刊发表过多篇论文。曾出版书籍《PyTorch深度学习入门与实战》，知乎“机器学习”话题优秀回答者（@Young）。白辰甲上海人工智能实验室青年研究员，博士毕业于哈尔滨工业大学计算学部，曾在加拿大多伦多大学联合培养，2022年获哈工大优秀博士论文奖。在高水平国际会议和期刊上发表论文20余篇，获评机器学习顶会ICML 2021、ICLR 2022、NeurIPS 2022亮点论文。研究方向包括强化学习、博弈智能和具身智能。赵英男博士毕业于哈尔滨工业大学计算学部，曾在加拿大阿尔伯塔大学进行联合培养，主要研究方向为深度强化学习、表征学习等，在国际会议和期刊上发表多篇学术论文。郝建业 天津大学智能与计算学部副教授，获哈尔滨工业大学学士学位，香港中文大学博士学位，曾任MIT计算机科学与人工智能实验室博士后研究员。研究方向为深度强化学习和多智能体系统，近年在NeurIPS、ICML、ICLR、AAAI、IJCAI等人工智能领域知名会议和IEEE汇刊发表论文80余篇，出版专著2部。刘鹏哈尔滨工业大学教授，博士生导师，模式识别与智能系统研究中心主任。主要研究方向为图像处理、模式识别、机器学习。发表学术论文50余篇，获发明专利10余项，获黑龙江省科技进步一等奖1项。王震西北工业大学教授，网络空间安全学院党委书记，国家保密学院常务副院长，Elected Member of Academia Europaea (EA), European Academy of Sciences and Arts (EASA)，AAIA Fellow, 全球高被引科学家，国家杰青，国防创新团队负责人。围绕博弈智能，人工智能基础理论，网络空间智能对抗，在Nature Communications、PNAS、Science Advance、AAAI、NeurIPS、ICML、ICLR等发表系列成果，WoS引用2万余次，编制完成行标5项。获科学探索奖，中国青年五四奖章，教育部、陕西省、学会科学技术奖一等奖等多个奖项。
目录
《机器学习高级实践.计算广告、供需预测、智能营销、动态定价》
《强化学习.前沿算法与应用》
《PyTorch高级机器学习实战》
内容摘要
人工智能方兴未艾，机器学习算法作为实现人工智能最重要的技术之一，引起了无数相关从业者的兴趣。本书详细介绍了机器学习算法的理论基础和高级实践案例，理论部分介绍了机器学习项目体系搭建路径，包括业务场景拆解、特征工程、模型评估和选型、模型优化；实践部分介绍了业界常见的业务场景，包括计算广告、供需预测、智能营销、动态定价。随书附赠所有案例源码，获取方式见封底。本书内容深入浅出，理论与实践相结合，帮助计算机专业应届毕业生、跨专业从业者、算法工程师等读者能够从零构建机器学习项目实现流程，快速掌握关键技术，迅速从小白成长为独当一面的算法工程师。本书讲解了经典的高级机器学习算法原理与知识，包括常见的监督学习、无监督学习、概率图模型、核方法、深度神经网络，以及强化学习等内容，同时更强调动手实践。所有算法均利用PyTorch计算框架进行实现，并且在各章节配备实战环节，内容涵盖点击率预估、异常检测、概率图模型变分推断、高斯过程超参数优化、深度强化学习智能体训练等内容。 本书附赠所有案例的源代码及各类学习资料来源，适合具有一定编程基础的人工智能爱好者学习，也是相关从业者和研究人员的学习指南。强化学习是机器学习的重要分支，是实现通用人工智能的重要途径。本书介绍了强化学习在算法层面的快速发展，包括值函数、策略梯度、值分布建模等基础算法，以及为了提升样本效率产生的基于模型学习、探索与利用、多目标学习、层次化学习、技能学习等算法，以及一些新兴领域，包括离线学习、表示学习、元学习等，旨在提升数据高效性和策略的泛化能力的算法，还介绍了应用领域中强化学习在智能控制、机器视觉、语言处理、医疗、推荐、金融等方面的相关知识。 本书深入浅出、结构清晰、重点突出，系统地阐述了强化学习的前沿算法和应用，适合从事人工智能、机器学习、优化控制、机器人、游戏开发等工作的专业技术人员阅读，还可作为计算机、人工智能、智能科学相关专业的研究生和高年级本科生的教材。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价