機器學習實戰(zhàn)：基于Sophon平臺的機器學習理論與實踐

定　價：￥79.00

作　者：	星環(huán)科技人工智能平臺團隊著
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥79.00)

ISBN：	9787111642657	出版時間：	2020-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	246	字數(shù)：

內(nèi)容簡介

　　本書內(nèi)容覆蓋了機器學習領(lǐng)域從理論到實踐的多個主題-總共分為10章。第1章為導論-介紹機器學習的背景、定義和任務(wù)類型-構(gòu)建機器學習應(yīng)用的步驟-以及開發(fā)機器學習工作流的方式。第2章詳細介紹數(shù)據(jù)預(yù)處理和特征工程技術(shù)-并輔以實例進行驗證。第3~6章介紹回歸模型、分類模型、模型融合和聚類模型-這些內(nèi)容是機器學習理論和實踐中的傳統(tǒng)重點。其中不僅介紹各種常見數(shù)據(jù)類型的處理方法-還針對刪失數(shù)據(jù)進行了專門的綜述和實踐。第7章介紹機器學習領(lǐng)域較難的圖計算話題-并從工業(yè)界視角解讀如何將圖計算落地。第8章針對特征工程、建模過程中大量調(diào)參的場景介紹自動機器學習的理論和應(yīng)用-并細致比較和測試了各種自動特征工程算法在不同數(shù)據(jù)上的表現(xiàn)。第9章介紹自然語言處理（詞向量、序列標注、關(guān)鍵詞抽取、自動摘要和情感分析）技術(shù)-使用新聞文本數(shù)據(jù)搭建文本分類的流程。第10章介紹計算機視覺中圖像分類和目標檢測的應(yīng)用以及車輛檢測的落地案例。本書既適合作為高等院校計算機、軟件工程、人工智能等相關(guān)專業(yè)的教學用書-同時也可供從事機器學習相關(guān)領(lǐng)域的工程技術(shù)人員閱讀和參考-幫助他們掌握機器學習相關(guān)的算法原理-并能通過專業(yè)工具平臺快速搭建各類模型-構(gòu)建機器學習的行業(yè)應(yīng)用。

作者簡介

　　星環(huán)科技人工智能平臺團隊星環(huán)科技人工智能平臺團隊由五十多位優(yōu)秀的研發(fā)工程師和算法工程師組成，逾八成具有國內(nèi)外名校碩士及以上學歷。其中研發(fā)子團隊的工作重心為一站式人工智能建模平臺Sophon；算法子團隊則負責基礎(chǔ)算法的研發(fā)及改進，并在數(shù)據(jù)挖掘、傳統(tǒng)機器學習、計算機視覺、自然語言處理、知識圖譜等領(lǐng)域進行前瞻性研究以及項目實施落地。星環(huán)科技人工智能平臺團隊一直致力于“把中國人自主研發(fā)的領(lǐng)先創(chuàng)新技術(shù)賦能全世界各行各業(yè)，促進社會可持續(xù)發(fā)展，通過科技讓人類的生活更美好”。目前產(chǎn)品應(yīng)用已覆蓋金融、安防、電力、交通、教育等數(shù)十個行業(yè)和領(lǐng)域，申請專利近三十個。

圖書目錄

前言
叢書前言
本書編委會
前言
第1章機器學習導論
1.1 什么是機器學習
1.1.1 機器學習的背景
1.1.2 機器學習的定義
1.1.3 機器學習的任務(wù)類型
1.1.4 構(gòu)建機器學習應(yīng)用的步驟
1.2 開發(fā)機器學習工作流的方式
第2章數(shù)據(jù)預(yù)處理與特征工程
2.1 特征提取
2.1.1 探索性數(shù)據(jù)分析
2.1.2 數(shù)值特征
2.1.3 類別特征
2.1.4 時間特征
2.1.5 文本特征
2.1.6 過濾方法
2.1.7 封裝方法
2.1.8 嵌入方法
2.1.9 自動化特征工程
2.2 交互式數(shù)據(jù)預(yù)處理
2.3 本章小結(jié)
第3章回歸模型
3.1 回歸任務(wù)概述
3.2 回歸算法原理
3.2.1 線性回歸
3.2.2 決策樹回歸
3.2.3 生存回歸
3.3 Sophon 案例
3.4 本章小結(jié)
第4章分類
4.1 分類任務(wù)概述
4.2 分類算法原理
4.2.1 邏輯回歸
4.2.2 因子分解機
4.2.3 XGBoost
4.3 使用 Sophon 建立分類模型
4.3.1 場景介紹
4.3.2 建模過程
4.3.3 結(jié)果分析
4.4 本章小結(jié)
第5章模型融合
5.1 集成學習理論
5.1.1 集成學習基本概念
5.1.2 個體學習器
5.1.3 基學習器集成
5.1.4 常用的集成學習方法
5.2 常用融合方法
5.2.1 平均法
5.2.2 學習法（Stacking 方法）
5.3 使用 Sophon 進行模型融合
5.3.1 場景與數(shù)據(jù)集介紹
5.3.2 建模過程
5.3.3 結(jié)果分析
5.4 本章小結(jié)
第6章聚類 78
6.1 聚類任務(wù)概述
6.2 聚類算法原理
6.2.1 K-Means
6.2.2 Fuzzy C-Means
6.2.3 Canopy
6.2.4 高斯混合
6.3 聚類模型實例
6.3.1 場景介紹
6.3.2 建模過程
6.3.3 結(jié)果分析
6.4 本章小結(jié)
第7章圖計算
7.1 背景和問題描述
7.2 常用算法介紹
7.2.1 PageRank
7.2.2 標簽傳播
7.2.3 中心性檢測
7.2.4 圖嵌入
7.3 落地案例
7.3.1 場景介紹
7.3.2 建模過程
7.3.3 結(jié)果分析
7.4 本章小結(jié)
第8章自動機器學習
8.1 場景介紹
8.2 自動化特征工程
8.2.1 自動多表特征擴展
8.2.2 自動特征構(gòu)建
8.3 建模過程
8.4 結(jié)果分析
8.5 真實測試案例
8.5.1 數(shù)據(jù)集
8.5.2 前置設(shè)置
8.5.3 測試結(jié)果分析
8.5.4 Abalone 和 Airfoil Self-Noise 數(shù)據(jù)集的增強測試
8.5.5 小結(jié)
8.6 本章小結(jié)
第9章自然語言處理
9.1 自然語言處理算法原理
9.1.1 詞向量
9.1.2 序列標注
9.1.3 關(guān)鍵詞抽取
9.1.4 文本自動摘要
9.1.5 文本情感分析
9.2 使用 Sophon 建立自然語言處理模型
9.2.1 場景介紹
9.2.2 建模流程
9.2.3 模型評估
9.3 落地案例
9.4 本章小結(jié)
第10章計算機視覺
10.1 計算機視覺概述
10.2 計算機視覺算法原理
10.2.1 圖像分類
10.2.2 目標檢測
10.3 計算機視覺模型示例
10.3.1 圖像預(yù)處理
10.3.2 圖像分類算法建模
10.3.3 目標檢測算法建模
10.4 落地案例
10.5 本章小結(jié)
附錄A 企業(yè)級人工智能應(yīng)用平臺Sophon
A.1 產(chǎn)品架構(gòu)
A.2 技術(shù)特點
A.3 組件介紹能
A.4 Sophon Edge 邊緣計算
A.5 Sophon EP 實體畫像
A.6 Sophon KG 知識圖譜
A.7 Sophon CV 圖像分析
A.8 Sophon NLP 自然語言處理
A.9 Sophon Cloud 服務(wù)管理