機器學習之路――Caffe、Keras、scikit-learn實戰 epub pdf  mobi txt 電子書 下載

機器學習之路――Caffe、Keras、scikit-learn實戰 epub pdf mobi txt 電子書 下載 2024

機器學習之路――Caffe、Keras、scikit-learn實戰 epub pdf mobi txt 電子書 下載 2024


簡體網頁||繁體網頁
阿布,胥嘉幸 著

下載链接在页面底部


點擊這裡下載
    


想要找書就要到 靜思書屋
立刻按 ctrl+D收藏本頁
你會得到大驚喜!!

發表於2024-11-26

商品介绍



齣版社: 電子工業齣版社
ISBN:9787121321603
版次:1
商品編碼:12138075
品牌:Broadview
包裝:平裝
開本:16開
齣版時間:2017-08-01
用紙:膠版紙
頁數:328
字數:405000
正文語種:中文

機器學習之路――Caffe、Keras、scikit-learn實戰 epub pdf mobi txt 電子書 下載 2024



类似图書 點擊查看全場最低價

相关書籍





書籍描述

産品特色

編輯推薦

適讀人群 :本書適閤能看懂Python 代碼,對機器學習感興趣,期望入門的讀者。

都說這年頭不會點機器學習不好意思齣門,但高深的數學理論,復雜的算法又讓很多人忘而卻步,不知從何下手,《機器學習篇》繞過理論障礙,打通瞭一條由淺入深的機器學習之路。

豐富的實戰案例講解,介紹如何將機器學習技術運用到股票量化交易、圖片渲染、圖片識彆等領域。


內容簡介

機器學習需要一條脫離過高理論門檻的入門之路。本書《機器學習篇》從小紅帽采蘑菇的故事開篇,介紹瞭基礎的機器學習分類模型的訓練(第1章)。如何評估、調試模型?如何閤理地發掘事物的特徵?如何利用幾個模型共同發揮作用?後續章節一步一步講述瞭如何優化模型,更好地完成分類預測任務(第2章),並且初步嘗試將這些技術運用到金融股票交易中(第3章)。自然界*好的非綫性模型莫過於人類的大腦。《深度學習篇》從介紹並對比一些常見的深度學習框架開始(第4章),講解瞭DNN模型的直觀原理,嘗試給齣一些簡單的生物學解釋,完成簡單的圖片識彆任務(第5章)。後續章節在此基礎上,完成更為復雜的圖片識彆CNN模型(第6章)。接著,本書展示瞭使用Caffe完成一個完整的圖片識彆項目,從準備數據集,到完成識彆任務(第7章)。後麵簡單描述瞭RNN模型(第8章),接著展示瞭一個將深度學習技術落地到圖片處理領域的項目(第9章)。

作者簡介

阿布:多年互聯網金融技術從業經驗,曾就職於奇虎360、百度互聯網證券、百度金融等互聯網型金融公司,現自由職業,個人量化交易者,擅長個人中小資金量化交易領域係統開發,以及為中小型量化私募資金提供技術解決方案、技術支持、量化培訓等工作。


胥嘉幸:北京大學碩士,先後就職於百度金融證券、百度糯米搜索部門。多年緻力於大數據機器學習方麵的研究,有深厚的數學功底和理論支撐。在將機器學習技術融於傳統金融量化領域方麵頗有研究。


目錄

第一篇 機器學習篇

第1 章 初識機器學習 .................................................................................... 2

1.1 機器學習——賦予機器“學習”的靈魂 ..................................................................... 2

1.1.1 小紅帽識彆毒蘑菇 ................................................................................................................... 2

1.1.2 三種機器學習問題 ................................................................................................................... 6

1.1.3 常用符號 .................................................................................................................................. 6

1.1.4 迴顧 .......................................................................................................................................... 7

1.2 KNN——相似的鄰居請投票 ........................................................................................ 7

1.2.1 模型原理 .................................................................................................................................. 7

1.2.2 鳶尾花卉數據集(IRIS) ....................................................................................................... 9

1.2.3 訓練模型 .................................................................................................................................. 9

1.2.4 評估模型 ................................................................................................................................ 12

1.2.5 關於KNN ............................................................................................................................... 14

1.2.6 運用KNN 模型 ...................................................................................................................... 15

1.2.7 迴顧 ........................................................................................................................................ 16

1.3 邏輯分類I:綫性分類模型 ........................................................................................ 16

1.3.1 參數化的模型 ........................................................................................................................ 16

1.3.2 邏輯分類:預測..................................................................................................................... 18

1.3.3 邏輯分類:評估..................................................................................................................... 22

1.3.4 邏輯分類:訓練..................................................................................................................... 23

1.3.5 迴顧 ........................................................................................................................................ 24

1.4 邏輯分類II:綫性分類模型 ....................................................................................... 24

1.4.1 尋找模型的權重..................................................................................................................... 24

VI ∣ 機器學習之路——Caffe、Keras、scikit-learn 實戰

1.4.2 去均值和歸一化..................................................................................................................... 31

1.4.3 實現 ........................................................................................................................................ 33

1.4.4 迴顧 ........................................................................................................................................ 34

第2 章 機器學習進階 .................................................................................. 35

2.1 特徵工程 ...................................................................................................................... 35

2.1.1 泰坦尼剋號生存預測 ............................................................................................................. 35

2.1.2 兩類特徵 ................................................................................................................................ 38

2.1.3 構造非綫性特徵..................................................................................................................... 41

2.1.4 迴顧 .................................................................................


前言/序言

  前言

  越來越多的人期待能擠進機器學習這一行業,這些人往往有一些編程和自學能力,但數學等基礎理論能力不足。對於這些人群,從頭開始學習概率統計等基礎學科是痛苦的,如果直接上手使用機器學習工具往往又感到理解不足,缺少點什麼。本書就是麵嚮這一人群,避過數學推導等復雜的理論推衍,介紹模型背後的一些簡單直觀的理解,以及如何上手使用。本書希望能夠得到這些人的喜愛。

  本書包含兩部分:機器學習篇和深度學習篇。

  機器學習篇(1~3 章)主要從零開始,介紹什麼是數據特徵,什麼是機器學習模型,如何訓練模型、調試模型,以及如何評估模型的成績。通過一些簡單的任務例子,講解在使用模型時如何分析並處理任務數據的特徵,如何組閤多個模型共同完成任務,並在第3章初步嘗試將機器學習技術運用到股票交易中,重復熟悉這些技術的同時,感受機器學習技術在落地到專業領域時常犯的錯誤。

  深度學習篇(4~9 章)則主要介紹瞭一些很基礎的深度學習模型,如DNN、CNN等,簡單涵蓋瞭一些RNN 的概念描述。我們更關注模型的直觀原理和背後的生物學設計理念,希望讀者能夠帶著這些理解,直接上手應用深度學習框架。說一點關於閱讀本書的建議。本書在編寫時不關注模型技術的數學推導及嚴謹錶述,轉而關注其背後的直觀原理理解。建議讀者以互動執行代碼的方式學習,所有示例使用IPython Notebook 編寫。讀者可在Git 上找到對應章節的內容,一步一步運行書中講解的知識點,直觀感受每一步的執行效果。具體代碼下載地址:https://github.com/bbfamily/abu。

  本書適閤有Python 編程能力的讀者。如果讀者有簡單的數學基礎,瞭解概率、矩陣則更佳。使用過Numpy、pandas 等數據處理工具的讀者讀起來也會更輕鬆,但這些都不是必需的。如果讀者缺乏Python 編程能力,或者希望進一步獲得Numpy、pandas 等工具使用相關的知識,可以關注公眾號:abu_quant,獲得一些技術資料及文章。

  感謝齣版社提供機會讓我們編寫本書,感謝編輯不辭辛苦地和我溝通排版等細節問題。

  本書的完成同樣需要感謝我們的幾位朋友:吳汶(老虎美股)、劉兆丹(百度金融),感謝你們在本書編寫作過程中提供的有力支持。感謝本書的試讀人員:蔡誌威、李寅龍。



機器學習之路――Caffe、Keras、scikit-learn實戰 epub pdf mobi txt 電子書 下載 2024

機器學習之路――Caffe、Keras、scikit-learn實戰 下載 epub mobi pdf txt 電子書

機器學習之路――Caffe、Keras、scikit-learn實戰 pdf 下載 mobi 下載 pub 下載 txt 電子書 下載 2024

機器學習之路――Caffe、Keras、scikit-learn實戰 mobi pdf epub txt 電子書 下載 2024

機器學習之路――Caffe、Keras、scikit-learn實戰 epub pdf mobi txt 電子書 下載
想要找書就要到 靜思書屋
立刻按 ctrl+D收藏本頁
你會得到大驚喜!!

讀者評價

評分

很不錯的圖書,例子比較詳實

評分

簡單易學,很好的書

評分

特彆給力的書,物流也很快

評分

很好的書 多讀書讀好書 乃人生一快事

評分

挺好的挺好的

評分

很好的書,學習很給力。

評分

末流我OK路我都不知道

評分

1、既然是麵嚮零基礎的,為什麼是linux係統的。

評分

good,good.

機器學習之路――Caffe、Keras、scikit-learn實戰 epub pdf mobi txt 電子書 下載 2024

类似图書 點擊查看全場最低價

機器學習之路――Caffe、Keras、scikit-learn實戰 epub pdf mobi txt 電子書 下載 2024


分享鏈接





相关書籍


本站所有內容均為互聯網搜索引擎提供的公開搜索信息,本站不存儲任何數據與內容,任何內容與數據均與本站無關,如有需要請聯繫相關搜索引擎包括但不限於百度google,bing,sogou

友情鏈接

© 2024 book.idnshop.cc All Rights Reserved. 靜思書屋 版权所有