掃一掃
關注中圖網
官方微博
>
StatQuest圖解機器學習
本類五星書更多>
-
>
貨幣大歷史:金融霸權與大國興衰六百年
-
>
(精)方力鈞作品圖錄
-
>
《藏書報》2021合訂本
-
>
(精)中國當代書畫名家作品集·范碩:書法卷+繪畫卷(全2卷)
-
>
(噴繪樓閣版)女主臨朝:武則天的權力之路
-
>
書里掉出來一只狼+狼的故事-全2冊
-
>
奇思妙想創意玩具書(精裝4冊)
StatQuest圖解機器學習 版權信息
- ISBN：9787121497643
- 條形碼：9787121497643 ; 978-7-121-49764-3
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：
StatQuest圖解機器學習 本書特色
Josh Starmer博士的YouTube賬號“StatQuest”訂閱者超135萬人 視頻的總觀看量突破7500萬次（截至2025年2月統計的數據）
他幫助世界各行各業的人贏得數據科學競賽、通過考試、順利畢業、成功求職或實現晉升，因此被大家譽為“硅谷守護神”。
他獨特的圖文表達形式和幽默的語言風格深受觀眾喜愛。這本《StatQuest圖解機器學習》結合了他創新的視覺呈現方式，深入淺出地闡釋了機器學習的基礎知識和高階知識，是一本輕松理解機器學習的“漫畫書”。是我們都愛的StatQuest統計學和機器學習書。
StatQuest圖解機器學習 內容簡介
本書前3章著重介紹了機器學習的整體框架和主要思想，從第4章起，介紹了各種機器學習算法：從基礎的線性回歸(第4章)和邏輯回歸(第6章)到樸素貝葉斯(第7章)和決策樹(第10章)，*后介紹了支持向量機(第11章)和神經網絡(第12章)。在介紹機器學習算法的同時，本書還穿插介紹了機器學習的進階知識和實用技巧，如梯度下降法(第5章)、模型性能度量(第8章)和防止過擬合的正則化方法(第9章)。
StatQuest圖解機器學習StatQuest圖解機器學習 前言
譯者序
在現代科技迅速發展的今天，機器學習作為人工智能（AI）的重要基礎，已經深入到各個領域。AI領域正吸引著日益增多的愛好者關注。然而，很多人在面對海量的數學公式和煩瑣的推導過程時感到望而卻步，其根本原因并非讀者能力有限，而是市面上現有的圖書資料未能充分激發讀者的興趣和積極性。
Josh Starmer的《StatQuest圖解機器學習》這本書以其獨特的圖文形式和幽默的語言風格，深入淺出地闡釋了機器學習的基礎和高階知識。這種展現形式能夠與讀者形成良性互動，提供正向反饋，使得初學者對機器學習以及人工智能產生更大的興趣。同時，相關從業人員也可以反復閱讀，不斷從中汲取新的知識。
本書前3章著重介紹了機器學習的整體框架和主要思想，從第4章起，介紹了各種機器學習算法：從基礎的線性回歸（第4章）和邏輯回歸（第6章）到樸素貝葉斯（第7章）和決策樹（第10章），*后介紹了支持向量機（第11章）和神經網絡（第12章）。在介紹機器學習算法的同時，本書還穿插介紹了機器學習的進階知識和實用技巧，如梯度下降法（第5章）、模型性能度量（第8章）和防止過擬合的正則化方法（第9章）。閱讀本書的讀者需要掌握高中數學知識及基礎的導數概念。對于導數尚不熟悉的讀者，可以通過翻閱本書附錄，快速回顧相關知識。
StatQuest圖解機器學習 相關資料
插圖很漂亮，概念解釋也很出色，比YouTube頻道上的內容質量更高。亞馬遜讀者是機器學習領域初學者和專家的最佳選擇。這是一本從機器學習基礎到復雜算法的最佳學習書籍。喬希（Josh）用非常簡單的方式講解了最復雜的算法。即使是沒有相關知識的初學者也能學習。亞馬遜讀者這是我讀過的最好的書之一。喬希掌握了寫作（和教學）中最難的技能之一：以通俗易懂的方式解釋高級概念，同時不遺漏重要的技術細節。他沒有簡化算法和概念，而是以更直觀、接地氣的方式進行解釋，同時讓這本書讀起來既有趣又引人入勝。亞馬遜讀者
StatQuest圖解機器學習 作者簡介
Josh Starmer（喬什·斯塔默），YouTube熱門頻道“StatQuest with Josh Starmer”的幕后創作者。他以創新的視覺呈現方式和獨特的教學風格，向全世界好奇的人們解釋了統計學、數據科學和機器學習的概念和算法。StatQuest幫助全世界各行各業的人贏得數據科學競賽、通過考試、順利畢業、成功求職或實現晉升，因此，Josh被大家譽為“硅谷的守護神”；他也被譽為“統計學的比爾·奈”，因為他以趣味橫生的方式使機器學習這一話題變得引人入勝；還有人贊譽他為“數據的鮑勃·羅斯”，因為他拒絕炒作，通過輕松、幽默的歌曲幫助人們減輕學習壓力。
錢辰江美國芝加哥大學統計學碩士，加州大學洛杉磯分校數學經濟本科。目前任職于美國硅谷某互聯網創業公司，主要從事數據科學相關工作。曾任職于電商互聯網公司Wish和美國銀行，具有扎實的統計學理論基礎和豐富的實戰經驗。潘文皓美國佐治亞大學統計學博士，研究方向為象征性數據的聚類分析算法。目前任職于美國蘋果公司總部，主要從事數據科學相關的模型開發與研究工作。曾任美國富國銀行量化分析師，負責反欺詐模型的開發、檢測與應用。
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
經典常談
- >
月亮與六便士
- >
詩經-先民的歌唱
- >
我從未如此眷戀人間
- >
中國歷史的瞬間
- >
羅曼·羅蘭讀書隨筆-精裝
- >
苦雨齋序跋文-周作人自編集
本類暢銷
