机器学习极简入门
正版新书 新华官方库房直发 可开电子发票
￥ 70.86 7.1折 ￥ 99.8 全新
库存4件
作者李烨
出版社人民邮电出版社
ISBN9787115573261
出版时间2021-10
版次1
装帧平装
开本16开
纸张胶版纸
页数336页
字数469千字
定价99.8元
货号SC:9787115573261
上书时间2024-11-29
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
主编推荐:
1.针对AI入门读者，从最基本的原理及学习意义入手，以模型为驱动，带领读者吃透机器学习模型。
2.本书内含精心设计的数据量较小的简易版实例，让读者可以直观了解模型的运行原理。
3.作者总结了自身的实践经验，整理了构建数据集、选择特征、调参、验证模型的方法。
4.基本的原理+常见的案例+极小数据样本，助你轻松入门机器学习。
5.微软全球副总裁洪小文、微软技术官韦青等人作序推荐。
6.通过学习这本书，你将收获：
AI技术岗位求职知识储备
各大模型与算法触类旁通
极简版实例体验实际应用
配套数据+代码快速实操上手
媒体评论:
本书用通俗易懂的语言，系统而又深入浅出地介绍了机器学习的主要算法，以及这些算法的“前世今生”。书中列举的例子生动有趣，而且结合了作者丰富的工作经验，能够让读者迅速抓住和领悟机器学习的思维重点和算法精髓，从而更好地将所学知识应用到编程中。本书对培养数字思维以及推进数字技能教育大有裨益，是人工智能的普及性读本。
——洪小文
微软全球副总裁
微软亚太研发集团主席
市面上有关机器学习的书可以说是汗牛充栋，有的侧重于算法，有的侧重于应用，有的侧重于原理，有的侧重于推导……但其实，能够把机器学习原理说清楚，做到既不神化，又不妖魔化，同时不忽略基本数学原理的推导与实现的书很少见，本书是其中难得的佳作。而且本书作者用通俗易懂的语言结合生活中常见的例子，把机器学习的原理讲得明明白白，并对容易产生学习误区的地方进行提示性解释，在我看来，这绝对是本书的亮点之一。
——韦青
微软（中国）技术官
作为新基建的一环，国家将人工智能提升到重要战略的高度，而机器学习可谓踏入人工智能领域的第一级台阶。本书以一种轻松的方式引导读者逐步深入了解机器学习理论，并给出了很多动手实践的小例子，带领读者手脑并用地学习。大家可以使用本书同步进行模型训练和预测，不但能掌握理论，还可以运用学到的知识解决实际问题。
——陶建华
中国科学院自动化研究所研究员
中国科学院大学首席教授
国家杰出青年基金获得者
国家万人计划领军人才
《机器学习极简入门》关注读者学习机器学习的感受，借鉴由表及里、由浅入深、由简至繁的教学思路，讲解经典机器学习的模型、数学原理及推导过程。本书通过简单、直观、生动的表述方法来阐述深刻的学科原理，有效降低了阅读难度，激发了各类读者对机器学习的兴趣，让大家享受递进式学习的快乐。
——熊璋
北京航空航天大学教授
国家教材委员会科学学科专家委员会委员
863智慧城市（一期）首席科学家
教育部跨世纪人才，全国优秀教师
这是一本可读性极强的书，其娓娓道来的铺陈方式让读者轻松一览机器学习技术的基本内容，既有宏观视野，又有点到为止的细节。读者不仅能马上感到“知道了”，而且还能感到“用得上”。
——李晓明
北京大学计算机系教授
内容简介:
本书从机器学习的基本原理入手，以常见模型为驱动，配以精心设计的实践案例，为大家呈现了机器学习理论知识和应用方法。书中运用Python语言及scikit-learn库实现了几大常见机器学习模型的训练程序和预测程序，让读者能够理论联系实际，在学习、工作中应用机器学习。本书适合打算入门机器学习的人阅读。
目录:
第一部分绪论
第1章为什么要学原理和公式推导2
1．1学模型就要学公式推导吗2
1．2学习原理的必要性3
第2章学习机器学习原理，改变看待世界的方式6
2．1破除迷信6
2．2追本溯源7
2．3精进看待世界的方法8
第3章如何学习机器学习10
3．1以模型为驱动，了解机器学习的本质10
3．2反复学习，从记忆到掌握10
3．3数学需要多精深11
3．4基本的数学概念12
3．5学机器学习，编程是必须的吗13
3．6日常学习小提示14
第二部分基本原理
第4章机器是如何学习的16
4．1机器学习的基本原理17
4．2有监督学习与无监督学习18
4．2．1有监督学习19
4．2．2无监督学习19
4．3机器学习的三要素：数据、模型和算法20
4．3．1数据20
4．3．2模型22
4．3．3算法24
第5章模型的获取和改进26
5．1获取模型的过程26
5．2训练集、验证集和测试集27
5．3训练的过程27
第6章模型的质量和评价指标30
6．1分类模型评价指标：准确率、召回率和F1分数30
6．2指标对应的是模型和数据集31
6．3模型的偏差和过拟合32
第7章最常用的优化算法——梯度下降法34
7．1学习目标34
7．2凸函数35
7．3梯度下降法37
7．4梯度下降法的超参数38
7．5梯度下降的难点39
第三部
...
— 没有更多了 —
以下为对购买帮助不大的评价