万本电子书0元读

万本电子书0元读

顶部广告

智能Web算法(第2版)电子书

《智能Web算法(第2版)》深讲解了如何建立机器学习系统来对采集的用户、Web应用、网站日志等数据行深分析和挖掘。经过这一版全面的修订,读者可以看到智能算法是怎样从数据中抽取出真实有价值的信息的,核心的机器学习概念也通过scikit-learn的Python代码示例行了讲解。《智能Web算法(第2版)》指导读者对来自Web的源源不断的数据流行采集、存储、建模,并掌握发推荐引擎、统计分类算法、神经网络和深度学习等技术。

售       价:¥

纸质售价:¥51.70购买纸书

68人正在读 | 0人评论 6.2

作       者:达观数据 陈运文 等译

出  版  社:电子工业出版社有限公司

出版时间:2017-06-01

字       数:16.1万

所属分类: 科技 > 计算机/网络 > 多媒体/数据通信

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
机器学习一直是人工智能研究领域的重要方向,而在大数据时代,来自Web 的数据采集、挖掘、应用技术又越来越受到瞩目,并创造着巨大的价值。本书是有关Web 数据挖掘和机器学习技术的一本知名的著作,第2 版一步加了本领域*的研究内容和应用案例,介绍了统计学、结构建模、推荐系统、数据分类、预测、深度学习、效果评估、数据采集等众多方面的内容。本书内容翔实、案例生动,有很高的阅读价值。 本书适合对算法感兴趣的工程师与学生阅读,对希望从业务角度更好地理解机器学习技术的产品经理和管理层来说,亦有很好的参考价值。<br/>【推荐语】<br/>《智能Web算法(第2版)》深讲解了如何建立机器学习系统来对采集的用户、Web应用、网站日志等数据行深分析和挖掘。经过这一版全面的修订,读者可以看到智能算法是怎样从数据中抽取出真实有价值的信息的,核心的机器学习概念也通过scikit-learn的Python代码示例行了讲解。《智能Web算法(第2版)》指导读者对来自Web的源源不断的数据流行采集、存储、建模,并掌握发推荐引擎、统计分类算法、神经网络和深度学习等技术。<br/>【作者】<br/>Douglas McIlwraith博士在剑桥大学计算机科学系获得了学士学位,而后在帝国理工大学获得了博士学位。他是一位机器学习专家,目前他在位于伦敦的一家广告网络公司担任数据科学家职位。他在分布式系统、普适计算、通用感知、机器人以及安全监控方面都贡献了研究成果,他为让技术更好地服务人们的生活而无比激动。 Haralambos Marmanis博士是将机器学习技术引工业解决方案的先驱,在专业软件研发方面拥有 25年经验。 Dmitry Babenko为银行、保险、供应管理、商业智能企业等设计和发了丰富的应用和系统架构。他拥有白俄罗斯国立信息和无线电大学计算机硕士学位。   译者简介 陈运文,计算机博士,达观数据 CEO,ACM和 IEEE会员,中国计算机学会高级会员;在大数据架构设计、搜索和推荐引擎、文本数据挖掘等领域有丰富的研发经验;曾经担任盛大文学首席数据官、腾讯文学数据中心高级总监、百度核心算法工程师等工作,申请有 30余项国家发明专利,多次参加国际 ACM数据算法竞赛并获得冠亚军荣誉。<br/>
目录展开

译者序

译者简介

序言

前言

致谢

1 为智能Web建立应用

1.1 智能算法的实践运用:Google Now

1.2 智能算法的生命周期

1.3 智能算法的更多示例

1.4 不属于智能应用的内容

1.5 智能算法的类别体系

1.6 评估智能算法的效果

1.7 智能算法的重点归纳

1.8 本章小结

2 从数据中提取结构:聚类和数据变换

2.1 数据、结构、偏见和噪声

2.2 维度诅咒

2.3 k-means算法

2.4 高斯混合模型

2.5 k-means和GMM的关系

2.6 数据坐标轴的变换

2.7 本章小结

3 推荐系统的相关内容

3.1 场景设置:在线电影商店

3.2 距离和相似度

3.3 推荐引擎是如何工作的

3.4 基于用户的协同过滤

3.5 奇异值分解用于基于模型的推荐

3.6 Netflix竞赛

3.7 评估推荐系统

3.8 本章小结

4 分类:将物品归类到所属的地方

4.1 对分类的需求

4.2 分类算法概览

4.3 基于逻辑回归的欺诈检测

4.4 你的结果可信吗

4.5 大型数据集的分类技术

4.6 本章小结

5 在线广告点击预测

5.1 历史与背景

5.2 广告交易平台

5.3 什么是bidder

5.4 何为决策引擎

5.5 使用Vowpal Wabbit进行点击预测

5.6 构建决策引擎的复杂问题

5.7 实时预测系统的前景

5.8 本章小结

6 深度学习和神经网络

6.1 深度学习的直观方法

6.2 神经网络

6.3 感知机

6.4 多层感知机

6.5 更深层:从多层神经网络到深度学习

6.6 本章小结

7 做出正确的选择

7.1 A/B测试

7.2 多臂赌博机

7.3 实践中的贝叶斯赌博机策略

7.4 A/B测试与贝叶斯赌博机的对比

7.5 扩展到多臂赌博机

7.6 本章小结

8 智能Web的未来

8.1 智能Web的未来应用

8.2 智能Web的社会影响

附录A 抓取网络上的数据

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部