不可不读的机器学习面试宝典！微软全球执行副总裁、美国工程院院士沈向洋，《浪潮之巅》《数学之美》作者吴军，《计算广告》作者、科大讯飞副总裁刘鹏，联袂推荐！ 人工智能几起几落，*近这次人工智能浪潮起始于近10年，技术的飞跃发展，带来了应用前所未有的可能性。未来的几年，是人工智能技术全面普及化的时期，也是算法工程师稀缺的时期。 本书旨在帮助对人工智能和机器学习有兴趣的朋友们更加深地了解这个领域的基本技能，帮助每个软件工程师成为自信的AI实践者，帮助每个数据科学家成为出众的AI研究者。对每个有志此领域的工程师来说，本书会为你铺设一条快速通往目标的道路。
售 价：¥
纸质售价：¥66.70购买纸书
7.4
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
内容提要
推荐序
前言 人工智能的三次浪潮
机器学习算法工程师的自我修养
第1章特征工程
01 特征归一化
02 类别型特征
03 高维组合特征的处理
04 组合特征
05 文本表示模型
06 Word2Vec
07 图像数据不足时的处理方法
第2章模型评估
01 评估指标的局限性
02 ROC曲线
03 余弦距离的应用
04 A/B测试的陷阱
05 模型评估的方法
06 超参数调优
07 过拟合与欠拟合
第3章经典算法
01 支持向量机
场景描述
02 逻辑回归
03 决策树
第4章降维
01 PCA最大方差理论
02 PCA最小平方误差理论
03 线性判别分析
04 线性判别分析与主成分分析
第5章 非监督学习
01 K均值聚类
02 高斯混合模型
03 自组织映射神经网络
04 聚类算法的评估
第6章概率图模型
01 概率图模型的联合概率分布
02 概率图表示
03 生成式模型与判别式模型
04 马尔可夫模型
05 主题模型
第7章 优化算法
01 有监督学习的损失函数
02 机器学习中的优化问题
03 经典优化算法
04 梯度验证
05 随机梯度下降法
06 随机梯度下降法的加速
07 L1正则化与稀疏性
第8章 采样
01 采样的作用
02 均匀分布随机数
03 常见的采样方法
04 高斯分布的采样
05 马尔可夫蒙特卡洛采样法
06 贝叶斯网络的采样
07 不均衡样本集的重采样
第9章前向神经网络
01 多层感知机与布尔函数
深度神经网络中的激活函数
03 多层感知机的反向传播算法
04 神经网络训练技巧
05 深度卷积神经网络
06 深度残差网络
第10章循环神经网络
01 循环神经网络和卷积神经网络
02 循环神经网络的梯度消失问题
03 循环神经网络中的激活函数
04 长短期记忆网络
05 Seq2Seq模型
06 注意力机制
第11章强化学习
01 强化学习基础
02 视频游戏里的强化学习
03 策略梯度
04 探索与利用
第12章集成学习
01 集成学习的种类
02 集成学习的步骤和例子
03 基分类器
04 偏差与方差
05 梯度提升决策树的基本原理
06 XGBoost与GBDT的联系和区别
第13章生成式对抗网络
01 初识GANs的秘密
02 WGAN：抓住低维的幽灵
03 DCGAN：当GANs遇上卷积
04 ALI：包揽推断业务
05 IRGAN: 生成离散样本
06 SeqGAN：生成文本序列
第14章人工智能的热门应用
01 计算广告
02 游戏中的人工智能
03 AI在自动驾驶中的应用
04 机器翻译
05 人机交互中的智能计算
后记
作者随笔
参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
