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
產品經理進階:100個案例搞懂人工智能 版權信息
- ISBN：9787121364983
- 條形碼：9787121364983 ; 978-7-121-36498-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
產品經理進階:100個案例搞懂人工智能 本書特色
本書根據人工智能領域產品經理的能力要求與知識體系，從原理到應用介紹人工智能的相關技術，全面闡述如何進階為一名合格的人工智能產品經理。本書共分為13章，其中第1~3章介紹機器學習能做什么及如何去做，第4~10章介紹7種基礎算法的原理與商業化應用，第11~13章介紹深度學習在圖像識別、自然語言處理與AI繪畫三個方向的發展與成果。本書不局限于從數學角度推導各類機器學習算法的原理，而是配合大量案例，由淺入深地講述什么是機器學習、機器學習如何解決問題及機器學習需要產品經理做什么。本書能夠幫助初入人工智能領域的產品經理建立對算法的理解，并將這些知識融入不同領域的業務中，發現更多的應用場景，創造更多的應用可能。
產品經理進階:100個案例搞懂人工智能 內容簡介
本書根據人工智能領域產品經理的能力要求與知識體系，從原理到應用介紹人工智能的相關技術，全面闡述如何進階為一名合格的人工智能產品經理。本書共分為13章，其中~3章介紹機器學習能做什么及如何去做，第4~10章介紹7種基礎算法的原理與商業化應用，1~13章介紹深度學習在圖像識別、自然語言處理與AI繪畫三個方向的發展與成果。本書不局限于從數學角度推導各類機器學習算法的原理，而是配合大量案例，由淺入深地講述什么是機器學習、機器學習如何解決問題及機器學習需要產品經理做什么。本書能夠幫助初入人工智能領域的產品經理建立對算法的理解，并將這些知識融入不同領域的業務中，發現更多的應用場景，創造更多的應用可能。
產品經理進階:100個案例搞懂人工智能 目錄
目錄
1 機器學習入門 ....................................................................................................... 1
1.1 什么是機器學習 ........................................................................................... 1
1.1.1 人類學習 VS 機器學習.................................................................. 1
1.1.2 機器學習三要素 ............................................................................... 3
1.2 什么問題適合用機器學習方法解決 ........................................................... 5
1.2.1 **條件 .......................................................................................... 5
1.2.2 機器學習可解決的問題 ................................................................... 7
1.3 機器學習的過程 ........................................................................................... 9
1.3.1 機器學習的三個階段 ....................................................................... 9
1.3.2 模型的訓練及選擇 ......................................................................... 11
1.4 機器學習的類型 ......................................................................................... 12
1.4.1 有監督學習..................................................................................... 13
1.4.2 無監督學習..................................................................................... 14
1.4.3 半監督學習..................................................................................... 14
1.4.4 強化學習 ........................................................................................ 15
1.5 產品經理的經驗之談 ................................................................................. 16
2 數據的準備工作 ................................................................................................. 18
2.1 數據預處理 ................................................................................................. 18
2.1.1 為什么要做數據預處理 ................................................................. 18
2.1.2 數據清洗 ........................................................................................ 20
2.1.3 數據集成 ........................................................................................ 23
2.1.4 數據變換 ........................................................................................ 24
2.1.5 數據歸約 ........................................................................................ 26
2.2 特征工程 ..................................................................................................... 27
2.2.1 如何進行特征工程 ......................................................................... 27
2.2.2 特征構建 ........................................................................................ 27
2.2.3 特征提取 ........................................................................................ 28
2.2.4 特征選擇 ........................................................................................ 31
2.3 產品經理的經驗之談 ................................................................................. 34
3 了解你手上的數據 ............................................................................................ 36
3.1 你真的了解數據嗎 ..................................................................................... 36
3.1.1 機器學習的數據統計思維 ............................................................. 36
3.1.2 數據集 ............................................................................................ 37
3.1.3 數據維度 ........................................................................................ 41
3.1.4 數據類型 ........................................................................................ 42
3.2 讓數據更直觀的方法 ................................................................................. 43
3.2.1 直方圖 ............................................................................................ 43
3.2.2 散點圖 ............................................................................................ 44
3.3 常用的評價模型效果指標 ......................................................................... 45
3.3.1 混淆矩陣 ........................................................................................ 45
3.3.2 準確率 ............................................................................................ 46
3.3.3 精確率與召回率 ............................................................................. 47
3.3.4 F 值 ................................................................................................. 49
3.3.5 ROC 曲線 ....................................................................................... 50
3.3.6 AUC 值 ........................................................................................... 54
3.4 產品經理的經驗之談 ................................................................................. 55
4 趨勢預測專家：回歸分析 ................................................................................ 57
4.1 什么是回歸分析 ......................................................................................... 57
4.2 線性回歸 ..................................................................................................... 58
4.2.1 一元線性回歸 ................................................................................. 58
4.2.2 多元線性回歸 ................................................................................. 63
4.3 如何評價回歸模型的效果 ......................................................................... 66
4.4 邏輯回歸 ..................................................................................................... 68
4.4.1 從線性到非線性 ............................................................................. 68
4.4.2 引入 Sigmoid 函數 ......................................................................... 71
4.5 梯度下降法 ................................................................................................. 74
4.5.1 梯度下降原理 ................................................................................. 74
4.5.2 梯度下降的特點 ............................................................................. 76
4.6 產品經理的經驗之談 ................................................................................. 77
5 *容易理解的分類算法：決策樹 ................................................................... 79
5.1 生活中的決策樹 ......................................................................................... 79
5.2 決策樹原理 ................................................................................................. 80
5.3 決策樹實現過程 ......................................................................................... 82
5.3.1 ID3 算法 ......................................................................................... 83
5.3.2 決策樹剪枝..................................................................................... 86
5.4 ID3 算法的限制與改進 .............................................................................. 88
5.4.1 ID3 算法存在的問題 ..................................................................... 88
5.4.2 C4.5 算法的出現 ............................................................................ 89
5.4.3 CART 算法 ..................................................................................... 95
5.4.4 三種樹的對比 ................................................................................. 97
5.5 決策樹的應用 ............................................................................................. 98
5.6 產品經理的經驗之談 ...............................................................................
1 機器學習入門 ....................................................................................................... 1
1.1 什么是機器學習 ........................................................................................... 1
1.1.1 人類學習 VS 機器學習.................................................................. 1
1.1.2 機器學習三要素 ............................................................................... 3
1.2 什么問題適合用機器學習方法解決 ........................................................... 5
1.2.1 **條件 .......................................................................................... 5
1.2.2 機器學習可解決的問題 ................................................................... 7
1.3 機器學習的過程 ........................................................................................... 9
1.3.1 機器學習的三個階段 ....................................................................... 9
1.3.2 模型的訓練及選擇 ......................................................................... 11
1.4 機器學習的類型 ......................................................................................... 12
1.4.1 有監督學習..................................................................................... 13
1.4.2 無監督學習..................................................................................... 14
1.4.3 半監督學習..................................................................................... 14
1.4.4 強化學習 ........................................................................................ 15
1.5 產品經理的經驗之談 ................................................................................. 16
2 數據的準備工作 ................................................................................................. 18
2.1 數據預處理 ................................................................................................. 18
2.1.1 為什么要做數據預處理 ................................................................. 18
2.1.2 數據清洗 ........................................................................................ 20
2.1.3 數據集成 ........................................................................................ 23
2.1.4 數據變換 ........................................................................................ 24
2.1.5 數據歸約 ........................................................................................ 26
2.2 特征工程 ..................................................................................................... 27
2.2.1 如何進行特征工程 ......................................................................... 27
2.2.2 特征構建 ........................................................................................ 27
2.2.3 特征提取 ........................................................................................ 28
2.2.4 特征選擇 ........................................................................................ 31
2.3 產品經理的經驗之談 ................................................................................. 34
3 了解你手上的數據 ............................................................................................ 36
3.1 你真的了解數據嗎 ..................................................................................... 36
3.1.1 機器學習的數據統計思維 ............................................................. 36
3.1.2 數據集 ............................................................................................ 37
3.1.3 數據維度 ........................................................................................ 41
3.1.4 數據類型 ........................................................................................ 42
3.2 讓數據更直觀的方法 ................................................................................. 43
3.2.1 直方圖 ............................................................................................ 43
3.2.2 散點圖 ............................................................................................ 44
3.3 常用的評價模型效果指標 ......................................................................... 45
3.3.1 混淆矩陣 ........................................................................................ 45
3.3.2 準確率 ............................................................................................ 46
3.3.3 精確率與召回率 ............................................................................. 47
3.3.4 F 值 ................................................................................................. 49
3.3.5 ROC 曲線 ....................................................................................... 50
3.3.6 AUC 值 ........................................................................................... 54
3.4 產品經理的經驗之談 ................................................................................. 55
4 趨勢預測專家：回歸分析 ................................................................................ 57
4.1 什么是回歸分析 ......................................................................................... 57
4.2 線性回歸 ..................................................................................................... 58
4.2.1 一元線性回歸 ................................................................................. 58
4.2.2 多元線性回歸 ................................................................................. 63
4.3 如何評價回歸模型的效果 ......................................................................... 66
4.4 邏輯回歸 ..................................................................................................... 68
4.4.1 從線性到非線性 ............................................................................. 68
4.4.2 引入 Sigmoid 函數 ......................................................................... 71
4.5 梯度下降法 ................................................................................................. 74
4.5.1 梯度下降原理 ................................................................................. 74
4.5.2 梯度下降的特點 ............................................................................. 76
4.6 產品經理的經驗之談 ................................................................................. 77
5 *容易理解的分類算法：決策樹 ................................................................... 79
5.1 生活中的決策樹 ......................................................................................... 79
5.2 決策樹原理 ................................................................................................. 80
5.3 決策樹實現過程 ......................................................................................... 82
5.3.1 ID3 算法 ......................................................................................... 83
5.3.2 決策樹剪枝..................................................................................... 86
5.4 ID3 算法的限制與改進 .............................................................................. 88
5.4.1 ID3 算法存在的問題 ..................................................................... 88
5.4.2 C4.5 算法的出現 ............................................................................ 89
5.4.3 CART 算法 ..................................................................................... 95
5.4.4 三種樹的對比 ................................................................................. 97
5.5 決策樹的應用 ............................................................................................. 98
5.6 產品經理的經驗之談 ...............................................................................
展開全部
產品經理進階:100個案例搞懂人工智能 作者簡介
林中翹，平安科技資深產品經理，負責集團數據平臺建設與大數據應用，擅長人工智能技術在金融領域的商業化應用，曾主導平安電話平臺智能進線識別、壽險新渠道產能提升、ONES平臺建設等多個項目。人人都是產品經理社區與PMCAFF社區專欄作家。
書友推薦
- >
中國歷史的瞬間
- >
二體千字文
- >
山海經
- >
有舍有得是人生
- >
月亮與六便士
- >
莉莉和章魚
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
