Python 机器学习经典实例
Prateek Joshi · 人工智能专家
4069
已阅读
39
万字

内容介绍

在如今这个处处以数据驱动的世界中,机器学习正变得越来越大众化。它已经被广泛地应用于不同领域,如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络,等等。

用最火的 Python 语言、通过各种各样的机器学习算法来解决实际问题!

书中介绍的主要问题如下。

  • 探索分类分析算法并将其应用于收入等级评估问题
  • 使用预测建模并将其应用到实际问题中
  • 了解如何使用无监督学习来执行市场细分
  • 探索数据可视化技术以多种方式与数据进行交互
  • 了解如何构建推荐引擎
  • 理解如何与文本数据交互并构建模型来分析它
  • 使用隐马尔科夫模型来研究语音数据并识别语音

作者简介

Prateek Joshi,人工智能专家,重点关注基于内容的分析和深度学习,曾在英伟达、微软研究院、高通公司以及硅谷的几家早期创业公司任职。

本书内容
译者序
前言
第01章:监督学习(上)
第01章:监督学习(中)
第01章:监督学习(下)
第02章:创建分类器(上)
第02章:创建分类器(中)
第02章:创建分类器(下)
第03章:预测建模(上)
第03章:预测建模(下)
第04章:无监督学习——聚类(上)
第04章:无监督学习——聚类(中)
第04章:无监督学习——聚类(下)
第05章:构建推荐引擎(上)
第05章:构建推荐引擎(中)
第05章:构建推荐引擎(下)
第06章:分析文本数据(上)
第06章:分析文本数据(中)
第06章:分析文本数据(下)
第07章:语音识别(上)
第07章:语音识别(下)
第08章:解剖时间序列和时序数据(上)
第08章:解剖时间序列和时序数据(下)
第09章:图像内容分析(上)
第09章:图像内容分析(下)
第10章:人脸识别(上)
第10章:人脸识别(中)
第10章:人脸识别(下)
第11章:深度神经网络(上)
第11章:深度神经网络(中)
第11章:深度神经网络(下)
第12章:可视化数据(上)
第12章:可视化数据(下)

极客书购买须知

  1. 本产品为《Python 机器学习经典实例》一书电子版全本内容,共计 39 万字。
  2. 付费购买用户、会员用户可享受文章永久阅读权限。
  3. 本产品为虚拟产品,一经付费概不退款,敬请谅解。
  4. 本产品内容授权自北京图灵文化发展有限公司。
推荐极客书
更多极客书
微信扫描登录