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:

  • 微软Azure机器学习实战手册 (日)千贺大司,(日)山本和贵,(日)大泽文孝 著;贾硕,魏宁 译 专业科技 文轩网
  • 新华书店正版
    • 作者: (日)千贺大司,(日)山本和贵,(日)大泽文孝 著;贾硕,魏宁 译著
    • 出版社: 中国人民大学出版社
    • 出版时间:2017-11-01 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: (日)千贺大司,(日)山本和贵,(日)大泽文孝 著;贾硕,魏宁 译著
    • 出版社:中国人民大学出版社
    • 出版时间:2017-11-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2017-11-01
    • 字数:145千字
    • 页数:214
    • 开本:16开
    • 装帧:平装
    • 国别/地区:中国
    • 版权提供:中国人民大学出版社

    微软Azure机器学习实战手册

    作  者:(日)千贺大司,(日)山本和贵,(日)大泽文孝 著;贾硕,魏宁 译
    定  价:65
    出 版 社:中国人民大学出版社
    出版日期:2017年11月01日
    页  数:214
    装  帧:平装
    ISBN:9787300250953
    主编推荐

    内容简介

    微软Azure ML平台简化了使用机器学习的过程,以便于开发人员、业务分析师和数据科学家广泛、便捷地应用。
    微软Azure ML提供了一种用于执行价值预测(回归)、异常检测、聚类和分类的云服务,其图形化、模块化的方法将让学习者快速了解机器学习模型。
    通过千贺大司、山本和贵、大泽文孝著的《微软Azure机器学习实战手册》的学习,读者能轻而易举地了解如何导入数据、如何进行数据预处理、如何将数据分离用于训练模型和验证模型、如何选择算法训练模型以及如何评估模型的效果。
    整个过程无须编程,接近是通过拖拽和配置完成,与Azure机器学习相关的任务不仅都可在现代web浏览器中完成,而且几乎没有任何时间和基础设施的启动成本,从而能让读者快速掌握Azure ML用法,把更多的精力放在理解数据和算法上。

    作者简介

    千贺大司(Hiroshi Senga),FIXER公司总经理;微软Azure解决方案架构师、信息处理技术人员。1999年毕业于名古屋大学法学部。曾在佳能IT部门作为金融不错软件工程师致力于靠前外银行及年金系统的开发。随后10余年一直在提供股票分析服务的网络风投公司担任CTO,目前担任东证一部上市企业R&D的部门负责人。擅长金融、证券分析和网络服务数据分析、市场自动化及大规模并发分散系统的体系结构。现在,一方面支持机器学习等使用Azure服务的数字市场,一方面致力于推进面向证券、金融的FinTech解决方案的研究以及由人造机器人的人工知能或者人工智能构成的呼叫中心支援系统的开发。
    山本和贵(Kazuki Yamamoto),FIXER公司数据科学家。2015年毕业于东京都立产业技术高等专业学校制造工学部的电子信息工学系。在高等专业学校的毕业论文研究中,为了null

    精彩内容

    目录
    第1章 什么是机器学习
    明晰机器学习
    机器学习概述
    机器学习流行的“原因”
    将机器学习用于商业的方法
    消除对机器学习的误解
    机器学习通过数据进行判断
    机器学习是“系统”
    机器自己会变聪明吗
    必须决定“特征向量”
    开启机器学习之旅
    机器学习专用工具
    无须编程就可以使用的Azure ML
    即使如此,依然想编程
    通过判断目标来选择分类器
    第2章 收集数据
    使用公司内部数据
    日志文件等历史数据
    非时间类型数据
    使用公开数据
    DATA.GO.JP
    DATA.GOV
    Twitter
    GitHub
    第3章 通过Azure ML创建机器学习模型
    Azure ML的基本操作
    注册Azure ML Studio
    在工作区进行操作
    机器学习的方法
    在Azure ML中进行机器学习的流程
    创建机器学习模型时Experiment的编辑界面
    机器学习模型的构成和种类
    学习逻辑
    计算逻辑
    学习组件的种类
    第4章 使用回归分析预测数据
    什么是回归分析
    本模拟所实现目标
    本模拟所建模型
    上传用于分析的数据集
    下载CSV文件样本
    将CSV文件作为数据集进行上传保存
    新建Experiment
    添加和调整所要分析的数据集对象
    添加数据集
    将范围缩小至使用列
    修复受损数据
    分离学习用数据和评价用数据
    构建学习逻辑
    构成回归分析的组件
    使用已训练模型预测评价用数据
    使用评分模型进行数据预测
    确认预测值
    第5章 尝试使用已建回归分析模型
    使用已训练模型进行计算
    上传用于计算的数据集对象
    在评分模型右上方输入数据即可得出结果
    保存已训练模型,使其在其他Experiment中也可以使用
    保存已训练模型
    使用已训练模型进行预测
    新建用于预测的Experiment
    创建可进行数据预测的机器学习模型
    观察运行结果
    以CSV形式输出
    数据转换组件
    第6章 提高预测精度
    提高预测精度的方法
    确认目前的预测精度
    使用评估模型对分析结果进行评价
    确认评价结果
    更改参数提高准确度
    更改Linear Regression的参数
    优化学习组件
    可用于回归分析的学习组件种类
    更改为贝叶斯线性回归
    使用有限的学习数据进行检验
    使用“Cross Validate Model”组件
    确认“Cross Validate Model”的评价结果
    第7章 通过统计分类进行判断
    什么是统计分类
    本模拟所实现目标
    本模拟所建模型
    用统计分类创建分类机器学习模型
    新建数据集
    新建Experiment
    创建数据集
    构建学习逻辑
    预测和评价
    确认和反思学习结果
    确认使用评价用数据得出的结果
    评价统计分类的学习结果
    使用其他统计分类学习组件
    第8章 用聚类方法判别相似数据
    什么是聚类
    本模拟所实现目标
    本模拟所建模型
    创建可通过聚类分析分组的机器学习模型
    新建数据集
    新建 Experiment
    添加数据集
    构建学习逻辑
    确认分组结果
    将用于评价的数据加入到已训练的学习模型中
    第9章 活用实验结果
    Web API化
    数据可视化
    第10章 让机器越来越聪明
    进行模型的二次学习
    用Web API更新公开的分类器(模型更新)
    附录 使用Azure ML的方法
    创建环境
    创建Microsoft账户
    激活订阅
    登录Azure
    云优化您的业务
    创建工作区
    访问Azure ML Studio
    关于收费
    免费使用

    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