一本通过学习统计、分析和机器学习的方法，来提升开发者解决日常问题的能力的指南
Key Features
- 通过有趣的示例实现回归、聚类、分类、神经网络
Book Description
本书将带领读者学习如何实施各种机器学习技术及其日常应用的开发。本书分为9章，从易于掌握的语言基础数据和数学模型开始，向读者介绍机器学习领域中使用的各种库和框架，然后通过有趣的示例实现回归、聚类、分类、神经网络等，从而解决如图像分析、自然语言处理和时间序列数据的异常检测等实际问题。本书适合机器学习的开发人员、数据分析人员、机器学习领域的从业人员，以及想要学习机器学习的技术爱好者阅读。使用任何脚本语言的编程人员都可以阅读本书，但如果熟悉Python语言的话，将有助于充分理解本书的内容。
What you will learn
- 通过简单易懂的方法学习数学和机器学习的原理；
- 了解广泛使用的机器学习算法和技术，并掌握它们解决实际问题的方法；
- 通过流行的编程框架了解先进概念；
- 为从事机器学习领域的工作做好准备；
- 了解知名的强大的工具，并运用这些工具解决机器学习中涉及的计算问题；
- 掌握当前机器学习领域的概念，并将这些概念应用于有趣的前沿问题。
Who this book is for
机器学习开发人员，以及想要学习机器学习的技术人员
Table of Contents
- 机器学习和统计科学
- 学习过程
- 聚类
- 线性回归和逻辑回归
- 神经网络
- 卷积神经网络
- 循环神经网络
- 近期的新模型及其发展
- 软件安装与配置
Loading...
Loading...
Loading...
Loading...
