中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥31.7
加入購(gòu)物車
Python機(jī)器學(xué)習(xí)實(shí)戰(zhàn)案例(第2版) 版權(quán)信息
- ISBN：9787302601241
- 條形碼：9787302601241 ; 978-7-302-60124-1
- 裝幀：70g膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
Python機(jī)器學(xué)習(xí)實(shí)戰(zhàn)案例(第2版) 本書(shū)特色
本書(shū)基于Python語(yǔ)言，借助機(jī)器學(xué)習(xí)開(kāi)源框架TensorFlow實(shí)現(xiàn)了20個(gè)典型的實(shí)踐案例，其內(nèi)容涵蓋了機(jī)器學(xué)習(xí)的基礎(chǔ)算法，實(shí)踐性強(qiáng)，注重提升動(dòng)手操作的能力。 夯實(shí)基礎(chǔ)知識(shí)，輕松進(jìn)階；多技術(shù)融合使用，兼顧前沿；漸進(jìn)式推進(jìn)，項(xiàng)目實(shí)戰(zhàn)
Python機(jī)器學(xué)習(xí)實(shí)戰(zhàn)案例(第2版) 內(nèi)容簡(jiǎn)介
機(jī)器學(xué)習(xí)是人工智能的重要技術(shù)基礎(chǔ),涉及的內(nèi)容十分廣泛。本書(shū)基于Python語(yǔ)言,實(shí)現(xiàn)了12個(gè)典型的實(shí)戰(zhàn)案例,其內(nèi)容涵蓋了機(jī)器學(xué)習(xí)的基礎(chǔ)算法,主要包括統(tǒng)計(jì)學(xué)習(xí)基礎(chǔ)、可視化、常用的分類算法、文本分析、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、注意力機(jī)制、生成對(duì)抗網(wǎng)絡(luò)、電子推薦系統(tǒng)等理論。 本書(shū)深入淺出,以實(shí)際應(yīng)用的項(xiàng)目作為案例,實(shí)踐性強(qiáng),注重提升讀者的動(dòng)手操作能力,適合作為高等院校本科生及研究生機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、數(shù)據(jù)挖掘等課程的實(shí)驗(yàn)教材,也可作為對(duì)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)感興趣的研究人員和工程技術(shù)人員的參考資料。
Python機(jī)器學(xué)習(xí)實(shí)戰(zhàn)案例(第2版) 目錄
第1章 集裝箱危險(xiǎn)品瞞報(bào)預(yù)測(cè)
1．1 業(yè)務(wù)背景分析
1．2 數(shù)據(jù)提取
1．3 數(shù)據(jù)預(yù)處理
1．3．1 數(shù)據(jù)集成
1．3．2 數(shù)據(jù)清洗
1．3．3 數(shù)據(jù)變換
1．3．4 數(shù)據(jù)離散化
1．3．5 特征重要性篩選
1．3．6 數(shù)據(jù)平衡
1．4 危險(xiǎn)品瞞報(bào)預(yù)測(cè)建模
1．5 模型評(píng)估
思考題
第2章 保險(xiǎn)產(chǎn)品推薦
2．1 業(yè)務(wù)背景分析
2．2 數(shù)據(jù)探索
2．3 數(shù)據(jù)預(yù)處理
2．4 分類模型構(gòu)建
2．5 平衡數(shù)據(jù)集
2．6 算法調(diào)參
2．7 模型比較
思考題
第3章 圖書(shū)類目自動(dòng)標(biāo)引系統(tǒng)
3．1 業(yè)務(wù)背景分析
3．2 數(shù)據(jù)提取
3．3 數(shù)據(jù)預(yù)處理
3．4 基于貝葉斯分類的文獻(xiàn)標(biāo)引
3．4．1 增量訓(xùn)練
3．4．2 特征降維與消歧
3．4．3 權(quán)重調(diào)節(jié)
3．5 貝葉斯分類性能評(píng)估
3．6 基于BERT算法的文獻(xiàn)標(biāo)引
3．6．1 數(shù)據(jù)預(yù)處理
3．6．2 構(gòu)建訓(xùn)練集
3．6．3 模型實(shí)現(xiàn)
思考題
第4章 基于分類算法的學(xué)習(xí)失敗預(yù)警
4．1 業(yè)務(wù)背景分析
4．2 學(xué)習(xí)失敗風(fēng)險(xiǎn)預(yù)測(cè)流程
4．3 數(shù)據(jù)收集
4．4 數(shù)據(jù)預(yù)處理
4．4．1 數(shù)據(jù)探查及特征選擇
4．4．2 數(shù)據(jù)集劃分及不平衡樣本處理
4．4．3 樣本生成及標(biāo)準(zhǔn)化處理
4．5 隨機(jī)森林算法
4．5．1 網(wǎng)格搜索及模型訓(xùn)練
4．5．2 結(jié)果分析與可視化
4．5．3 特征重要性分析
4．5．4 與其他算法比較
思考題
第5章 自然語(yǔ)言處理技術(shù)實(shí)例
5．1 業(yè)務(wù)背景分析
5．2 分析框架
5．3 數(shù)據(jù)收集
5．4 建立模型
5．4．1 文本分詞
5．4．2 主題詞提取
5．4．3 情感分析
5．4．4 語(yǔ)義角色標(biāo)記
5．4．5 語(yǔ)言模型
5．4．6 詞向量模型Word2Vec
思考題
……
第6章 基于標(biāo)簽的信息推薦系統(tǒng)
第7章 快銷行業(yè)客戶行為分析與流失預(yù)警
第8章 基于深度學(xué)習(xí)的圖片識(shí)別系統(tǒng)
第9章 超分辨率圖像重建
第10章 基于YOLOv5的電動(dòng)車騎手頭盔檢測(cè)
第11章 基于UNET算法的農(nóng)業(yè)遙感圖像分割
第12章 基于自注意力、BiLSTM和TextCNN算法的新聞分類
附錄
參考文獻(xiàn)
1．1 業(yè)務(wù)背景分析
1．2 數(shù)據(jù)提取
1．3 數(shù)據(jù)預(yù)處理
1．3．1 數(shù)據(jù)集成
1．3．2 數(shù)據(jù)清洗
1．3．3 數(shù)據(jù)變換
1．3．4 數(shù)據(jù)離散化
1．3．5 特征重要性篩選
1．3．6 數(shù)據(jù)平衡
1．4 危險(xiǎn)品瞞報(bào)預(yù)測(cè)建模
1．5 模型評(píng)估
思考題
第2章 保險(xiǎn)產(chǎn)品推薦
2．1 業(yè)務(wù)背景分析
2．2 數(shù)據(jù)探索
2．3 數(shù)據(jù)預(yù)處理
2．4 分類模型構(gòu)建
2．5 平衡數(shù)據(jù)集
2．6 算法調(diào)參
2．7 模型比較
思考題
第3章 圖書(shū)類目自動(dòng)標(biāo)引系統(tǒng)
3．1 業(yè)務(wù)背景分析
3．2 數(shù)據(jù)提取
3．3 數(shù)據(jù)預(yù)處理
3．4 基于貝葉斯分類的文獻(xiàn)標(biāo)引
3．4．1 增量訓(xùn)練
3．4．2 特征降維與消歧
3．4．3 權(quán)重調(diào)節(jié)
3．5 貝葉斯分類性能評(píng)估
3．6 基于BERT算法的文獻(xiàn)標(biāo)引
3．6．1 數(shù)據(jù)預(yù)處理
3．6．2 構(gòu)建訓(xùn)練集
3．6．3 模型實(shí)現(xiàn)
思考題
第4章 基于分類算法的學(xué)習(xí)失敗預(yù)警
4．1 業(yè)務(wù)背景分析
4．2 學(xué)習(xí)失敗風(fēng)險(xiǎn)預(yù)測(cè)流程
4．3 數(shù)據(jù)收集
4．4 數(shù)據(jù)預(yù)處理
4．4．1 數(shù)據(jù)探查及特征選擇
4．4．2 數(shù)據(jù)集劃分及不平衡樣本處理
4．4．3 樣本生成及標(biāo)準(zhǔn)化處理
4．5 隨機(jī)森林算法
4．5．1 網(wǎng)格搜索及模型訓(xùn)練
4．5．2 結(jié)果分析與可視化
4．5．3 特征重要性分析
4．5．4 與其他算法比較
思考題
第5章 自然語(yǔ)言處理技術(shù)實(shí)例
5．1 業(yè)務(wù)背景分析
5．2 分析框架
5．3 數(shù)據(jù)收集
5．4 建立模型
5．4．1 文本分詞
5．4．2 主題詞提取
5．4．3 情感分析
5．4．4 語(yǔ)義角色標(biāo)記
5．4．5 語(yǔ)言模型
5．4．6 詞向量模型Word2Vec
思考題
……
第6章 基于標(biāo)簽的信息推薦系統(tǒng)
第7章 快銷行業(yè)客戶行為分析與流失預(yù)警
第8章 基于深度學(xué)習(xí)的圖片識(shí)別系統(tǒng)
第9章 超分辨率圖像重建
第10章 基于YOLOv5的電動(dòng)車騎手頭盔檢測(cè)
第11章 基于UNET算法的農(nóng)業(yè)遙感圖像分割
第12章 基于自注意力、BiLSTM和TextCNN算法的新聞分類
附錄
參考文獻(xiàn)
展開(kāi)全部
Python機(jī)器學(xué)習(xí)實(shí)戰(zhàn)案例(第2版) 作者簡(jiǎn)介
趙衛(wèi)東，復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院副教授。主要負(fù)責(zé)本科生和各類研究生機(jī)器學(xué)習(xí)、大數(shù)據(jù)核心技術(shù)和商務(wù)智能（商務(wù)數(shù)據(jù)分析）等課程的教學(xué)。2011年紐約大學(xué)訪問(wèn)學(xué)者、2015年上海市科技進(jìn)步二等獎(jiǎng)獲得者、CDA三級(jí)認(rèn)證數(shù)據(jù)科學(xué)家、騰訊云和百度云機(jī)器學(xué)習(xí)認(rèn)證講師。主講的商務(wù)智能課程被評(píng)為上海市精品課程以及CMOOC聯(lián)盟線上線下混合式教學(xué)改革項(xiàng)目，并獲得2013年高等教育上海市教學(xué)成果獎(jiǎng)二等獎(jiǎng)。目前主要研究方向包括機(jī)器學(xué)習(xí)應(yīng)用和大數(shù)據(jù)分析等。主持國(guó)家自然科學(xué)基金2項(xiàng)，國(guó)家重點(diǎn)研發(fā)計(jì)劃子課題、上海市浦江人才以及企業(yè)合作課題等30多項(xiàng)。已在Knowledge and Information Systems， Information Processing & Management，Information Systems Frontiers等國(guó)內(nèi)外刊物和學(xué)術(shù)會(huì)議發(fā)表論文100多篇。出版專著、教材《機(jī)器學(xué)習(xí)》《機(jī)器學(xué)習(xí)案例實(shí)戰(zhàn)》《Python機(jī)器學(xué)習(xí)實(shí)戰(zhàn)案例》等10多部。
書(shū)友推薦
- >
【精裝繪本】畫(huà)給孩子的中國(guó)神話
- >
莉莉和章魚(yú)
- >
煙與鏡
- >
人文閱讀與收藏·良友文學(xué)叢書(shū):一天的工作
- >
我與地壇
- >
詩(shī)經(jīng)-先民的歌唱
- >
自卑與超越
- >
隨園食單
本類暢銷
