3.7
用户推荐指数
科技 类型
可以朗读 语音朗读
571千字 字数
2021-03-01 发行日期
展开全部

主编推荐语

本书适合对AI机器学习有浓厚兴趣的零基础以及相关从业人员。

内容简介

本书在写作伊始，就把读者设想为一位虽然没有任何AI基础，但对技术本身抱有浓厚兴趣、喜欢“抽丝剥茧”、探究真相的“有识之士”。有别于市面上部分AI技术书籍从一开始就直接讲解各种“高深莫测”算法的叙述手法，本书尝试先从零开始构建基础技术点，而后“循序渐进”地引领读者前进，最终“直捣黄龙”，赢取最后的胜利。

全书据此分为5篇，共31章，内容基本覆盖了由AI发展历史、数学基础知识、机器学习算法等经典知识点以及深度学习、深度强化学习等较新理论知识所组成的AI核心技术。同时注重“理论联系实践”，通过多个章节重点介绍了如何在工程项目中运用AI来解决问题的诸多经验以及相应的模型算法，以期让读者既能享受到“知其所以然”的乐趣，还能体会到“知其然”的轻松和愉悦。《机器学习观止——核心原理与实践》适合对AI感兴趣的读者阅读，从事AI领域工作的研究人员、工程开发人员、高校本科生和研究生都可以从本书中学到机器学习的相关知识。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 机器学习基础知识篇
  • 第1章 人工智能概述
  • 1.1 人工智能的定义
  • 1.2 人工智能发展简史
  • 1.3 人工智能经典流派
  • 1.4 人工智能与机器学习
  • 1.5 如何选择机器学习算法
  • 1.6 机器学习的典型应用场景
  • 1.7 本书的组织结构
  • 第2章 机器学习中的数学基础
  • 2.1 微分学
  • 2.2 线性代数
  • 2.3 概率论
  • 2.4 统计学
  • 2.5 最优化理论
  • 2.6 其他
  • 第3章 机器学习模型的度量指标
  • 3.1 Precision、Recall和mAP
  • 3.2 F1 Score
  • 3.3 混淆矩阵
  • 3.4 ROC
  • 3.5 AUC
  • 3.6 PRC
  • 3.7 工业界使用的典型AI指标
  • 经典机器学习篇
  • 第4章 回归算法
  • 4.1 回归分析
  • 4.2 线性回归
  • 4.3 逻辑回归
  • 第5章 K-NN算法
  • 5.1 K-NN概述
  • 5.2 K-NN分类算法
  • 5.3 K-NN回归算法
  • 5.4 K-NN的优缺点
  • 5.5 K-NN工程范例
  • 第6章 k-means
  • 6.1 k-means概述
  • 6.2 k-means核心算法
  • 6.3 k-means算法的优缺点
  • 6.4 k-means工程范例
  • 第7章 朴素贝叶斯
  • 7.1 朴素贝叶斯分类算法
  • 7.2 朴素贝叶斯的实际应用
  • 第8章 决策树和随机森林
  • 8.1 决策树
  • 8.2 随机森林
  • 第9章 支持向量机
  • 9.1 SVM可以做什么
  • 9.2 SVM的数学表述
  • 9.3 SVM相关的最优化理论
  • 9.4 硬间隔SVM
  • 9.5 软间隔SVM
  • 9.6 核函数技巧
  • 9.7 多分类SVM
  • 9.8 SVM实践
  • 第10章 PCA降维
  • 10.1 降维概述
  • 10.2 PCA降维实现原理
  • 10.3 PCA实例
  • 第11章 集成学习
  • 11.1 集成学习概述
  • 11.2 集成学习架构
  • 11.3 典型的集成方法
  • 深度学习进阶篇
  • 第12章 深度神经网络
  • 12.1 神经元
  • 12.2 激活函数
  • 12.3 前向传播和后向传播算法
  • 12.4 损失函数
  • 第13章 卷积神经网络
  • 13.1 CNN发展历史简述
  • 13.2 CNN的核心组成元素
  • 13.3 CNN经典框架
  • 13.4 CNN的典型特性
  • 第14章 RNN与LSTM
  • 14.1 RNN
  • 14.2 RNN的多种形态
  • 14.3 RNN存在的不足
  • 14.4 LSTM
  • 14.5 LSTM核心框架
  • 14.6 GRU
  • 第15章 深度强化学习
  • 15.1 强化学习和MDP
  • 15.2 MDP问题的解决方案分类
  • 15.3 基于模型的动态规划算法
  • 15.4 基于无模型的强化学习算法
  • 15.5 DQN
  • 15.6 基于策略的强化学习算法
  • 第16章 MCTS
  • 16.1 MCTS概述
  • 16.2 MCTS算法核心处理过程
  • 16.3 UCB和UCT
  • 16.4 MCTS实例解析
  • 机器学习应用实践及相关原理
  • 第17章 数据集的建设
  • 17.1 数据集建设的核心目标
  • 17.2 数据采集和标注
  • 17.3 数据分析和处理
  • 第18章 CNN训练技巧
  • 18.1 数据预处理
  • 18.2 数据增强
  • 18.3 CNN核心组件择优
  • 18.4 参数初始化策略
  • 18.5 模型过拟合解决方法
  • 18.6 模型的可解释性
  • 18.7 Auto ML
  • 第19章 CV和视觉识别经典模型
  • 19.1 CV发展简史
  • 19.2 视觉识别概述
  • 19.3 R-CNN
  • 19.4 Fast R-CNN
  • 19.5 SPP-Net
  • 19.6 Faster R-CNN
  • 19.7 YOLO
  • 19.8 SSD
  • 19.9 不基于CNN来实现目标识别
  • 第20章 自然语言处理和CNN
  • 20.1 NLP简述
  • 20.2 NLP发展历史
  • 20.3 自然语言基础
  • 20.4 词的表达方式
  • 20.5 自然语言模型
  • 20.6 word2vec
  • 20.7 常用语料库
  • 20.8 NLP应用：文本分类
  • 第21章 自然语言处理和CNN
  • 21.1 应用程序场景识别背景
  • 21.2 特征向量
  • 21.3 数据采集
  • 21.4 算法模型
  • 21.5 落地应用
  • 第22章 软件自动修复
  • 22.1 什么是软件自动修复
  • 22.2 软件自动修复基础知识
  • 22.3 阶段1：缺陷定位
  • 22.4 阶段2：补丁生成
  • 22.5 APR领域经典框架
  • 第23章 基于强化学习的经典应用——AlphaGO
  • 23.1 AlphaGO简述
  • 23.2 AlphaGO核心原理
  • 23.3 策略网络
  • 23.4 估值网络
  • 23.5 MCTS
  • 机器学习平台篇
  • 第24章 分布式机器学习框架基础知识
  • 24.1 分布式机器学习核心理念
  • 24.2 GPU硬件设备
  • 24.3 网络标准
  • 24.4 分布式通信框架
  • 24.5 经典分布式ML框架Caffe-MPI
  • 第25章 Tensorflow
  • 25.1 Tensorflow安装过程
  • 25.2 Tensorflow基础知识
  • 25.3 Tensorflow分布式训练
  • 25.4 Tensorflow分布式部署
  • 25.5 Tensorflow范例解析
  • 25.6 Tensorflow的“变种”
  • 第26章 Caffe
  • 26.1 Caffe的安装
  • 26.2 Caffe支持的数据集格式
  • 26.3 Caffe中的网络模型构建
  • 26.4 Google Protocol Buffer
  • 26.5 Caffe2源码结构
  • 26.6 Caffe工程范例
  • 26.7 Caffe中的Model Zoo
  • 第27章 scikit-learn
  • 27.1 scikit-learn的安装
  • 27.2 scikit-learn中的机器学习算法
  • 27.3 scikit-learn中的Model selection
  • 27.4 scikit-learn中的预处理
  • 第28章 主流AI云平台
  • 28.1 Microsoft OpenPAI
  • 28.2 Google Cloud
  • 28.3 Baidu
  • 28.4 Alibaba
  • 第29章 图像处理基础
  • 29.1 光、色彩和人类视觉系统
  • 29.2 图像的颜色模型
  • 29.3 图像的基本属性
  • 29.4 图像特征
  • 29.5 图像的典型特征描述子
  • 29.6 图像处理实例（图像质量检测）
  • 第30章 程序切片技术
  • 30.1 程序切片综述
  • 30.2 程序切片基础知识
  • 30.3 静态切片技术
  • 30.4 动态切片技术
  • 第31章 人工智能概述
  • 31.1 ImageNet简述
  • 31.2 ImageNet的构建逻辑
  • 31.3 ImageNet数据源的选择与处理
  • 31.4 ImageNet的下载
  • 参考文献
展开全部

评分及书评

3.7
3个评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。