本书以Python为开发语言,采用理论与实践相结合的形式,系统全面地介绍了机器学习涉及的核心知识。本书共6章,其中第1章介绍机器学习的基础知识,包括机器学习的概念、分类、研究范围、开发环境等,介绍第一个机器学习案例; 第2、3章介绍机器学习的主要方法: 监督学习与无监督学习,涉及目前机器学习最为流行的经典算法和模型,如KNN、朴素贝叶斯、决策树、线性回归、逻辑回归、SVM、神经网络、PCA降维、KMeans,每个算法模型都配有代码及可视化演示,让读者能更直观形象地理解机器学习; 第4章介绍机器学习非常重要的数据处理方法: 特征工程,特征工程能进一步提高机器学习算法的性能; 第5章介绍机器学习模型的评估与优化,通过评估判断模型优劣,评估后利用优化方法使其达到生产需求; 第6章介绍机器学习的应用案例,让读者更直观地感受机器学习在生产生活中的实际用途。 本书附有配套教学课件、源代码、习题,供读者实践,旨在通过边学边练的方式,巩固所学知识,提升开发能力。 本书可作为高等学校计算机相关专业的教材,也可作为机器学习工程技术人员的参考用书。
由机器学习驱动的人工智能领域在过去十年中经历了一些惊人的变化。从一个纯粹的学术和研究领域开始,已经跨越多个领域,进入多个行业。包括推荐系统、自动驾驶技术、图像/语音/文本处理等技术正在多个领域广泛应用,并取得了巨大的商业价值。机器学习是人工智能的组成部分,是人工智能的核心。 由于多个领域的广泛应用,催生了巨大的人才需求,为此,近年来,各高校纷纷开设智能科学与技术专业,人工智能专业,数据科学与大数据专业。传统的计算机科学与技术专业,软件工程专业也开设人工智能方向。机器学习是其中重要的核心课程,学习和掌握机器学习技术具有巨大的社会需求。 目前很难选择一部适合应用类高校学生特点的机器学习教材,在次背景下,我们选择编写以面向实际应用,以理论学习与案例应用并重的机器学习教材。
- 版权: 清华大学出版社
- 出版: 2022-09-09
- 更新: 2023-06-19
- 书号:9787302616603
- 中图:TP181
- 学科:工学控制科学与工程工学计算机科学与技术交叉学科智能科学与技术
相关图书
-
机器学习和深度学习:原理、算法、实战(使用Python 和 TensorFlow)
[印] 文卡塔·雷迪·科纳萨尼(Venkata Reddy Konasani)、沙伦德拉·卡德雷(Shailendra Kadre)著 秦婧 韩雨童 译
¥128.00