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:
本店所有商品

  • 全新正版系统:飞桨深度学习实战9787302655清华大学出版社
    • 作者: 薛峰[等]编著著 | 薛峰[等]编著编 | 薛峰[等]编著译 | 薛峰[等]编著绘
    • 出版社: 清华大学出版社
    • 出版时间:2023-06
    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:
    如梦图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 薛峰[等]编著著| 薛峰[等]编著编| 薛峰[等]编著译| 薛峰[等]编著绘
    • 出版社:清华大学出版社
    • 出版时间:2023-06
    • 版次:1
    • 印次:1
    • 页数:260
    • 开本:其他
    • ISBN:9787302623755
    • 版权提供:清华大学出版社
    • 作者:薛峰[等]编著
    • 著:薛峰[等]编著
    • 装帧:平装
    • 印次:1
    • 定价:69.80
    • ISBN:9787302623755
    • 出版社:清华大学出版社
    • 开本:其他
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2023-06
    • 页数:260
    • 外部编号:12665914
    • 版次:1
    • 成品尺寸:暂无

    目录 章系统概述 1.1系统的背景与价值 1.1.1系统的背景 1.1.2典型的系统应用 1.2系统是如何工作的 1.2.1系统的基本任务 1.2.2系统的工作过程 1..系统的原理 1.3系统的历史与分类 1.3.1系统的发展历史 1.3.2算法的分类 1.4系统评测 1.4.1系统的评测方法 1.4.2系统的评测指标 参考文献 第2章生产环境下的系统 2.1系统的业务流程 2.1.1总体流程 2.1.2召回环节 2.1.3排序环节 2.1.4后处理调整 2.2系统的主要业务模块 2.2.1数据采集与处理模块 2.2.2特征工程模块 2..算法模块 2.2.4用户交互模块 .系统架构设计 ..1总体业务架构 ..2数据层 ..算法层 ..4系统层 2.4线上系统的A/B测试 2.4.1前端接口 2.4.2数据读取接口 2.4.3测试及评估接口 2.4.4监控接口 参考文献 第3章机器学习算法基础 3.1机器学习算法概述 3.1.1机器学习算法基本过程 3.1.2机器学习算法的分类 3.2线回归算法 3.2.1线回归模型 3.2.2线回归模型的损失函数 3..梯度下降求解线回归模型参数的很优值 3.2.4线回归算法正则化 3.2.5实验 3.2.6线回归算法特点 3.3逻辑回归算法 3.3.1逻辑回归模型 3.3.2逻辑回归损失函数 3.3.3梯度下降求解很优值 3.3.4逻辑回归算法的正则化 3.3.5实验 3.3.6逻辑回归算法特点 3.4决策树 3.4.1决策树的结构 3.4.2决策树算法 3.4.3决策树算法总结 3.4.4基于sklearn的决策树实验 3.5朴素贝叶斯 3.5.1朴素贝叶斯相关的统计学知识 3.5.2朴素贝叶斯模型 3.5.3总结 3.5.4基于sklearn的NaiveBayes实验 3.6神经网络 3.6.1神经元模型 3.6.2全连接神经网络 3.6.3卷积神经网络 3.6.4循环神经网络 3.6.5图神经网络 3.6.6实验评估 参考文献 第4章典型算法 4.1算法相关知识 4.1.1算法的分类 4.1.2系统中的隐式反馈、显式反馈 4.1.3系统中的损失函数 4.2非个化算法 4.2.1基于流行度的方法 4.2.2基于关联规则的方法 4.3基于内容的 4.3.1基本思想和过程 4.3.2一个基于内容的示例 4.3.3基于标签的 4.4基于统计(相似度)的方法 4.4.1基于用户的协同过滤 4.4.2基于物品的协同过滤 4.5基于矩阵分解的个化 4.5.1Matrix Factorization算法(MF/SVD) 4.5.2BiasSVD算法 4.5.3SVD++算法 4.5.4WRMF和EALS算法 4.6基于物品的协同过滤 4.6.1背景简介 4.6.2SLIM算法 4.6.3FISM算法 参考文献 第5章点击率预估算法 5.1系统中的召回和排序过程 5.1.1为什么需要召回和排序环节 5.1.2召回、排序环节的典型方法 5.2点击率预测简介 5.3逻辑回归模型 5.3.1背景 5.3.2基于LR模型的CTR预测流程 5.3.3实验 5.4因式分解机模型 5.4.1背景 5.4.2FM模型原理 5.4.3实验 5.5梯度提升树模型 5.5.1背景 5.5.2模型原理 5.5.3实验 5.6梯度提升树+逻辑回归模型(GBDT+LR) 5.6.1背景 5.6.2模型原理 5.6.3实验 5.7基于深度学习的CTR模型 5.7.1模型的记忆能力和泛化能力 5.7.2Wide&Deep模型 5.7.3DeepFM模型 5.7.4xDeepFM模型 5.7.5实验 5.8本章小结 参考文献 第6章基于深度学习的算法 6.1为什么需要深度学习 6.1.1算法应用的挑战 6.1.2深度学习的优势 6.2深度学习与系统的分类 6.2.1表征学习 6.2.2交互建模 6.3基于深度学习的矩阵分解算法DeepMF 6.3.1背景 6.3.2模型原理 6.3.3实验 6.3.4模型总结 6.4基于深度学习的协同过滤算法NeuralCF 6.4.1背景 6.4.2模型原理 6.4.3实验 6.4.4模型总结 6.5基于深度学习的物品协同过滤算法DICF 6.5.1DICF模型结构 6.5.2DICF模型优化 6.5.3实验评估 6.5.4DICF模型总结 6.6基于GNN的协同过滤算法 6.6.1背景 6.6.2模型原理 6.6.3实验 6.6.4模型改进 6.6.5模型总结 6.7基于GNN的混合算法 6.7.1DiffNet模型 6.7.2AGCN模型 6.8本章小结 参考文献 7章个简易的系统 7.1简易系统需求描述 7.1.1数据集准备 7.1.2模型准备 7.1.3构建在线接口 7.2数据集处理 7.2.1用户数据处理 7.2.2物品(电影)数据处理 7..评分数据处理 7.2.4构建数据读取器 7.3基于PaddlePaddle实现的神经网络模型 7.3.1用户特征向量构造 7.3.2电影特征向量构造 7.3.3模型训练和参数保存 7.4模拟在线电影 第8章系统中的问题与挑战 8.1冷启动问题 8.1.1冷启动问题定义 8.1.2冷启动解决方法 8.2数据稀疏问题 8.2.1数据稀疏问题定义 8.2.2数据稀疏问题解决方法 8.3可解释问题 8.3.1可解释问题定义 8.3.2解释方法 8.4大数据处理与增量计算问题 8.4.1大数据问题定义 8.4.2大数据问题解决方法 8.5数据偏差问题 8.5.1数据偏差问题定义 8.5.2缓解数据偏差的方法 8.6问题 8.6.1时效问题 8.6.2多样问题 8.6.3用户意图检测问题 参考文献

    本书将系统的理论基础与代码实践相结合,内容涵盖各类非个化和个化、经典及优选的算法,以及工业界系统的基本流程、步骤。本书可以作为各高校相关专业智能系统课程教材,也可以作为技术人员的参考书籍。通过本书,读者可以掌握系统的基本概念、评价指标,熟悉系统在工业界应用的具体过程,既可以了解基于传统机器学习的算法,也可以学习基于深度学习的前沿算法,本书的章带领读者熟悉系统领域的关键问题和挑战。

    本书有以下特色: 1.由浅入深,对于系统没有经验的读者也可以全貌地了解系统。 2.兼容并包,对从经典的机器学习方法到近期新的深度学习方法都进行了详细讲解。 3.知行合一,除了介绍重要的算法的原理和推导过程外,也配置了相应的实验。 4.学以致用,立足于工业应用介绍系统。带领读者动手从零搭建系统。 5.工业经验,借鉴百度优选的系统经验,做到理论和实践相结合。

    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