掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
智能Web算法-(第2版) 版權信息
- ISBN：9787121317231
- 條形碼：9787121317231 ; 978-7-121-31723-1
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
智能Web算法-(第2版) 本書特色
機器學習一直是人工智能研究領域的重要方向，而在大數據時代，來自Web 的數據采集、挖掘、應用技術又越來越受到矚目，并創造著巨大的價值。本書是有關Web 數據挖掘和機器學習技術的一本知名的著作，第2 版進一步加入了本領域*的研究內容和應用案例，介紹了統計學、結構建模、推薦系統、數據分類、點擊預測、深度學習、效果評估、數據采集等眾多方面的內容。本書內容翔實、案例生動，有很高的閱讀價值。 本書適合對算法感興趣的工程師與學生閱讀，對希望從業務角度更好地理解機器學習技術的產品經理和管理層來說，亦有很好的參考價值。
智能Web算法-(第2版) 內容簡介
《智能Web算法（第2版）》深入講解了如何建立機器學習系統來對采集的用戶、Web應用、網站日志等數據進行深入分析和挖掘。經過這一版全面的修訂，讀者可以看到智能算法是怎樣從數據中抽取出真實有價值的信息的，核心的機器學習概念也通過scikit-learn的Python代碼示例進行了講解！吨悄躓eb算法（第2版）》指導讀者對來自Web的源源不斷的數據流進行采集、存儲、建模，并掌握開發推薦引擎、統計分類算法、神經網絡和深度學習等技術。
智能Web算法-(第2版) 目錄
第1章 為智能Web建立應用....................................................................1
1.1 智能算法的實踐運用：Google Now ..................................................................3
1.2 智能算法的生命周期 ...........................................................................................5
1.3 智能算法的更多示例 ...........................................................................................6
1.4 不屬于智能應用的內容 .......................................................................................7
1.4.1 智能算法并不是萬能的思考機器 ...........................................................7
1.4.2 智能算法并不能成為完全代替人類的工具 ...........................................8
1.4.3 智能算法的發展并非一蹴而就 ...............................................................8
1.5 智能算法的類別體系 ...........................................................................................9
1.5.1 人工智能 ...................................................................................................9
1.5.2 機器學習 .................................................................................................10
1.5.3 預測分析 ................................................................................................. 11
1.6 評估智能算法的效果 .........................................................................................13
1.6.1 評估智能化的程度 .................................................................................13
1.6.2 評估預測 .................................................................................................14
1.7 智能算法的重點歸納 .........................................................................................16
1.7.1 你的數據未必可靠 .................................................................................16
1.7.2 計算難以瞬間完成 .................................................................................17
1.7.3 數據規模非常重要 .................................................................................17
1.7.4 不同的算法具有不同的擴展能力 .........................................................18
1.7.5 并不存在萬能的方法 .............................................................................18
1.7.6 數據并不是萬能的 .................................................................................18
1.7.7 模型訓練時間差異很大 .........................................................................18
1.7.8 泛化能力是目標 .....................................................................................19
1.7.9 人類的直覺未必準確 .............................................................................19
1.7.10 要考慮融入更多新特征 .......................................................................19
1.7.11 要學習各種不同的模型 .......................................................................19
1.7.12 相關關系不等同于因果關系 ...............................................................20
1.8 本章小結 .............................................................................................................20
第2章 從數據中提取結構：聚類和數據變換.........................................21
2.1 數據、結構、偏見和噪聲 .................................................................................23
2.2 維度詛咒 .............................................................................................................26
2.3 k-means算法 .......................................................................................................27
2.3.1 實踐運用 k-means ..................................................................................31
2.4 高斯混合模型 .....................................................................................................34
2.4.1 什么是高斯分布 .....................................................................................34
2.4.2 期望*大與高斯分布 .............................................................................37
2.4.3 高斯混合模型 .........................................................................................37
2.4.4 高斯混合模型的學習實例 .....................................................................38
2.5 k-means和GMM的關系 .....................................................................................41
2.6 數據坐標軸的變換 .............................................................................................42
2.6.1 特征向量和特征值 .................................................................................43
2.6.2 主成分分析 .............................................................................................43
2.6.3 主成分分析的示例 .................................................................................45
2.7 本章小結 .............................................................................................................47
第3章 推薦系統的相關內容..................................................................48
3.1 場景設置：在線電影商店 .................................................................................49
3.2 距離和相似度 .....................................................................................................50
3.2.1 距離和相似度的剖析 .............................................................................54
3.2.2 *好的相似度公式是什么 .....................................................................56
3.3 推薦引擎是如何工作的 .....................................................................................57
3.4 基于用戶的協同過濾 .........................................................................................59
3.5 奇異值分解用于基于模型的推薦 .....................................................................64
3.5.1 奇異值分解 .............................................................................................64
3.5.2 使用奇異值分解進行推薦：為用戶挑選電影 .....................................66
3.5.3 使用奇異值分解進行推薦：幫電影找到用戶 .....................................71
3.6 Net.ix競賽 ..........................................................................................................74
3.7 評估推薦系統 .....................................................................................................76
3.8 本章小結 .............................................................................................................78
第4章 分類：將物品歸類到所屬的地方................................................79
4.1 對分類的需求 .....................................................................................................80
4.2 分類算法概覽 .....................................................................................................83
4.2.1 結構性分類算法 .....................................................................................84
4.2.2 統計性分類算法 .....................................................................................86
4.2.3 分類器的生命周期 .................................................................................87
4.3 基于邏輯回歸的欺詐檢測 .................................................................................88
4.3.1 線性回歸簡介 .........................................................................................89
4.3.2 從線性回歸到邏輯回歸 .........................................................................91
4.3.3 欺
1.1 智能算法的實踐運用：Google Now ..................................................................3
1.2 智能算法的生命周期 ...........................................................................................5
1.3 智能算法的更多示例 ...........................................................................................6
1.4 不屬于智能應用的內容 .......................................................................................7
1.4.1 智能算法并不是萬能的思考機器 ...........................................................7
1.4.2 智能算法并不能成為完全代替人類的工具 ...........................................8
1.4.3 智能算法的發展并非一蹴而就 ...............................................................8
1.5 智能算法的類別體系 ...........................................................................................9
1.5.1 人工智能 ...................................................................................................9
1.5.2 機器學習 .................................................................................................10
1.5.3 預測分析 ................................................................................................. 11
1.6 評估智能算法的效果 .........................................................................................13
1.6.1 評估智能化的程度 .................................................................................13
1.6.2 評估預測 .................................................................................................14
1.7 智能算法的重點歸納 .........................................................................................16
1.7.1 你的數據未必可靠 .................................................................................16
1.7.2 計算難以瞬間完成 .................................................................................17
1.7.3 數據規模非常重要 .................................................................................17
1.7.4 不同的算法具有不同的擴展能力 .........................................................18
1.7.5 并不存在萬能的方法 .............................................................................18
1.7.6 數據并不是萬能的 .................................................................................18
1.7.7 模型訓練時間差異很大 .........................................................................18
1.7.8 泛化能力是目標 .....................................................................................19
1.7.9 人類的直覺未必準確 .............................................................................19
1.7.10 要考慮融入更多新特征 .......................................................................19
1.7.11 要學習各種不同的模型 .......................................................................19
1.7.12 相關關系不等同于因果關系 ...............................................................20
1.8 本章小結 .............................................................................................................20
第2章 從數據中提取結構：聚類和數據變換.........................................21
2.1 數據、結構、偏見和噪聲 .................................................................................23
2.2 維度詛咒 .............................................................................................................26
2.3 k-means算法 .......................................................................................................27
2.3.1 實踐運用 k-means ..................................................................................31
2.4 高斯混合模型 .....................................................................................................34
2.4.1 什么是高斯分布 .....................................................................................34
2.4.2 期望*大與高斯分布 .............................................................................37
2.4.3 高斯混合模型 .........................................................................................37
2.4.4 高斯混合模型的學習實例 .....................................................................38
2.5 k-means和GMM的關系 .....................................................................................41
2.6 數據坐標軸的變換 .............................................................................................42
2.6.1 特征向量和特征值 .................................................................................43
2.6.2 主成分分析 .............................................................................................43
2.6.3 主成分分析的示例 .................................................................................45
2.7 本章小結 .............................................................................................................47
第3章 推薦系統的相關內容..................................................................48
3.1 場景設置：在線電影商店 .................................................................................49
3.2 距離和相似度 .....................................................................................................50
3.2.1 距離和相似度的剖析 .............................................................................54
3.2.2 *好的相似度公式是什么 .....................................................................56
3.3 推薦引擎是如何工作的 .....................................................................................57
3.4 基于用戶的協同過濾 .........................................................................................59
3.5 奇異值分解用于基于模型的推薦 .....................................................................64
3.5.1 奇異值分解 .............................................................................................64
3.5.2 使用奇異值分解進行推薦：為用戶挑選電影 .....................................66
3.5.3 使用奇異值分解進行推薦：幫電影找到用戶 .....................................71
3.6 Net.ix競賽 ..........................................................................................................74
3.7 評估推薦系統 .....................................................................................................76
3.8 本章小結 .............................................................................................................78
第4章 分類：將物品歸類到所屬的地方................................................79
4.1 對分類的需求 .....................................................................................................80
4.2 分類算法概覽 .....................................................................................................83
4.2.1 結構性分類算法 .....................................................................................84
4.2.2 統計性分類算法 .....................................................................................86
4.2.3 分類器的生命周期 .................................................................................87
4.3 基于邏輯回歸的欺詐檢測 .................................................................................88
4.3.1 線性回歸簡介 .........................................................................................89
4.3.2 從線性回歸到邏輯回歸 .........................................................................91
4.3.3 欺
展開全部
智能Web算法-(第2版) 相關資料
“通過嚴謹的數學推導和簡潔的Python代碼，清晰地介紹了算法。” —倫敦帝國理工數據科學研究所 Yike Guo “第2版的修訂給予了這本經典著作以全新的生命。” —Shopify公司 Marius Butuc “本書覆蓋了機器學習實踐應用中絕大部分精華內容，有很強的實踐價值。” —Amazon公司 Radha Ranjan Madhav “在理論和實踐中間取得了非常好的平衡。’” —Fara Frica公司 Dike E. Kalu
智能Web算法-(第2版) 作者簡介
Douglas McIlwraith博士在劍橋大學計算機科學系獲得了學士學位，而后在帝國理工大學獲得了博士學位。他是一位機器學習專家，目前他在位于倫敦的一家廣告網絡公司擔任數據科學家職位。他在分布式系統、普適計算、通用感知、機器人以及安全監控方面都貢獻了研究成果，他為讓技術更好地服務人們的生活而無比激動。 Haralambos Marmanis博士是將機器學習技術引入工業解決方案的先驅，在專業軟件研發方面擁有 25年經驗。 Dmitry Babenko為銀行、保險、供應鏈管理、商業智能企業等設計和開發了豐富的應用和系統架構。他擁有白俄羅斯國立信息和無線電大學計算機碩士學位。 譯者簡介 陳運文，計算機博士，達觀數據 CEO，ACM和 IEEE會員，中國計算機學會高級會員；在大數據架構設計、搜索和推薦引擎、文本數據挖掘等領域有豐富的研發經驗；曾經擔任盛大文學首席數據官、騰訊文學數據中心高級總監、百度核心算法工程師等工作，申請有 30余項國家發明專利，多次參加國際 ACM數據算法競賽并獲得冠亞軍榮譽。
書友推薦
- >
有舍有得是人生
- >
月亮與六便士
- >
唐代進士錄
- >
隨園食單
- >
【精裝繪本】畫給孩子的中國神話
- >
名家帶你讀魯迅:故事新編
- >
我與地壇
- >
二體千字文
本類暢銷
