返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 预售机器学习与人工智能:从理论到实践 [美]阿米特·V. 乔希(Ameet V Joshi) 著 李征 袁科 译 译
  • 【预售】预计到货时间:2021年09月05日 新华书店正版
    • 作者: [美]阿米特·V. 乔希(Ameet V Joshi)著 | | 李征 袁科 译译
    • 出版社: 机械工业出版社
    • 出版时间:2021-08-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: [美]阿米特·V. 乔希(Ameet V Joshi)著| 李征 袁科 译译
    • 出版社:机械工业出版社
    • 出版时间:2021-08-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2021-08-01
    • 字数:173
    • 页数:220
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111688129
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    机器学习与人工智能:从理论到实践

    作  者:[美]阿米特·V. 乔希(Ameet V Joshi) 著 李征 袁科 译 译
    定  价:99
    出 版 社:机械工业出版社
    出版日期:2021年08月01日
    页  数:220
    装  帧:平装
    ISBN:9787111688129
    主编推荐

    内容简介

    本书全面介绍了人工智能(AI)和机器学习(ML)的理论和应用。与仅仅从理论或实践的角度来看待这个领域不同,本书将这两个角度结合在了一起,给予全面的理解。部分介绍了人工智能和ML的概念以及它们的起源和现状。第2和第3部分深入探讨了静态ML技术和动态ML技术的概念和理论方面。第4部分描述了所提出的技术可以应用的实际应用。第5部分向用户介绍了解决现实ML问题的一些实现策略。

    作者简介

    精彩内容

    目录
    序前言致谢部分  简    介章  人工智能和机器学习简介21.1  引言21.2  什么是人工智能21.3  什么是机器学习31.4  本书的结构31.4.1  简介41.4.2  机器学习41.4.3  构建端到端管道41.4.4  人工智能41.4.5  实现51.4.6  结语5第2章  人工智能和机器学习的基本概念62.1  引言62.2  大数据和非大数据62.2.1  什么是大数据62.2.2  为什么我们应该区别对待大数据62.3  学习类型72.3.1  监督学习72.3.2  无监督学习72.3.3  强化学习82.4  基于时间的机器学习方法82.4.1  静态学习82.4.2  动态学习82.5  维数82.6  线性和非线性102.7  奥卡姆剃刀原理122.8  “没有免费的午餐”定理142.9  收益递减规律142.10  机器学习的早期趋势142.11  小结15第3章  数据的理解、表示和可视化163.1  引言163.2  理解数据163.2.1  理解实体173.2.2  理解属性173.2.3  理解数据类型183.3  数据的表示和可视化193.3.1  主成分分析193.3.2  线性判别分析213.4  小结22第二部分  机 器 学 习第4章  线性方法264.1  引言264.2  线性模型和广义线性模型274.3  线性回归274.3.1  定义问题274.3.2  解决问题274.4  正则化的线性回归284.4.1  正则化284.4.2  岭回归294.4.3  Lasso回归294.5  广义线性模型304.6  k最近邻算法304.6.1  KNN的定义314.6.2  分类和回归324.6.3  KNN的其他变体324.7  小结32第5章  感知器和神经网络345.1  引言345.2  感知器345.3  多层感知器或人工神经网络355.3.1  前馈操作355.3.2  非线性多层感知器或非线性人工神经网络365.3.3  训练多层感知器365.3.4  隐藏层385.4  径向基函数网络385.5  过度拟合与正则化405.5.1  L1和L2正则化405.5.2  丢弃正则化415.6  小结41第6章  决策树426.1  引言426.2  为什么使用决策树436.3  构建决策树的算法436.4  回归树446.5  分类树456.6  决策指标456.6.1  误分类误差466.6.2  基尼指数466.6.3  交叉熵或偏差466.7  卡方自动交叉检验476.8  训练决策树476.9  集成决策树486.10  Bagging集成树486.11  随机森林496.12  Boosted集成树496.12.1  AdaBoost506.12.2  梯度提升506.13  小结50第7章  支持向量机517.1  引言517.2  动机和范围517.2.1  扩展到多元分类517.2.2  非线性情况的扩展537.3  支持向量机理论537.4  可分离性和间隔547.4.1  正则化和软间隔SVM547.4.2  松弛变量的使用547.5  非线性与核函数的使用557.5.1  径向基函数557.5.2  多项式函数567.5.3  Sigmoid567.6  风险最小化567.7  小结56第8章  概率模型578.1  引言578.2  判别模型588.2.1  优选似然估计588.2.2  贝叶斯方法588.2.3  优选似然估计和贝叶斯方法的比较598.3  生成模型618.3.1  混合方法628.3.2  贝叶斯网络628.4  一些有用的概率分布628.4.1  正态分布或高斯分布638.4.2  伯努利分布648.4.3  二项分布658.4.4  伽马分布668.4.5  泊松分布678.5  小结70第9章  动态规划和强化学习719.1  引言719.2  动态规划的基本方程719.3  动态规划下的问题类别729.4  强化学习739.4.1  强化学习的特点739.4.2  框架和算法739.5  探索和开发749.6  强化学习应用示例759.7  强化学习理论769.8  小结770章  演化算法7810.1  引言7810.2  传统方法的瓶颈7810.3  达尔文的进化论8010.4  遗传规划8010.5  群体智能8210.6  蚁群优化8310.7  模拟退火8410.8  小结841章  时间序列模型8511.1  引言8511.2  平稳性8511.3  自回归和移动平均模型8711.3.1  自回归过程8711.3.2  移动平均过程8811.3.3  自回归移动平均过程8811.4  差分自回归移动平均模型8811.5  隐马尔可夫模型8911.6  条件随机场9111.7  小结922章  深度学习9312.1  引言9312.2  现代深度学习的起源9412.3  卷积神经网络9512.3.1  一维卷积9512.3.2  二维卷积9512.3.3  CNN的架构9612.3.4  训练CNN9812.4  循环神经网络9812.4.1  RNN的局限性 9912

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购