跨平台机器学习:ML.NET架构及应用编程

作者: [意]迪诺·埃斯波西托(Dino Esposito),[意]弗朗西斯科·埃斯波西托(Francesco Esposito)著;周靖 译

出版社: 清华大学出版社

出版日期: 2022-12-01

电子书 暂不销售 定价:99.0
  • 收藏

  • 加书架

  • 引用

简介

ML.NET 是面向.NET 开发人员的开源机器学习框架,可以帮助开发人员使用 C# 或 F# 创建自定义机器学习模型,从而将机器学习集成到 Web、移动、桌面、游戏和物联网应用中。《跨平台机器学习:ML.NET架构及应用编程》以ML.NET 为核心,介绍了架构及其基本知识,介绍了ML.NET 的八大机器学习应用场景:预测、分类、聚类、异常检查、预测、推荐、图像分类以及神经网络。 《跨平台机器学习:ML.NET架构及应用编程》适合数据工程师使用和参考。

编辑推荐

通过对《跨平台机器学习:ML.NET架构及应用编程》的学习,读者可以在专家的指导下,运用跨平台机器学习框架ML.NET来创建机器学习解决方案。 有了ML.NET,机器学习可以为所有.NET开发人员赋能,《跨平台机器学习:ML.NET架构及应用编程》可以帮助读者将ML.NET应用于实际的生产解决方案中。在对ML.NET进行基本概述之后,作者阐明了用于回归、分类、排名、异常检测等的微框架(ML任务)。对于每个ML任务,都提供了克服现实世界中常见挑战的见解。同时,书中还着重介绍了神经网络Keras,展示了一个完整的机器学习应用,以及如何在.NET中利用流行的Python 工具。 微软最有价值专家MVP(16届)在书中展示了以下主题: l 构建更智能的机器学习解决方案,更贴近用户的需求; l 了解ML.NET如何实例化经典ML管道,并简化情绪分析、欺诈检测和价格预测等常见场景; l 实施数据处理和培训,生产基于机器学习的软件解决方案; l 从基本预测转向更复杂的任务,包括分类、异常检测、推荐和图像分类; l 执行二分类和多分类;使用聚类和无监督学习将数据组织成同质组; l 发现异常值以检测可疑行为、欺诈、故障设备或其他问题; l 充分利用 ML.NET 强大、灵活的预测功能; l 实现排名、推荐、协同过滤的相关功能; l 使用 ML.NET 迁移学习快速构建图像分类解决方案; l 当标准算法和浅层学习不够时转向深度学习; l 通过 Azure认知服务API购买神经网络,或探索使用 Keras和TensorFlow 构建自己的神经网络。

更多出版物信息
  • 版权: 清华大学出版社
  • 出版: 2022-12-01
  • 作者:[意]迪诺·埃斯波西托(Dino Esposito),[意]弗朗西斯科·埃斯波西托(Francesco Esposito)著;周靖 译
  • 更新: 2023-11-16
  • 书号:9787302619239
  • 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

作者信息

[意]迪诺·埃斯波西托(Dino Esposito),[意]弗朗西斯科·埃斯波西托(Francesco Esposito)著;周靖 译

作者简介 迪诺·埃斯波西托(Dino Esposito) Crionet首席架构师兼联合创始人,为专业体育机构提供创新软件和服务。16届微软最有价值专家,出版著作超过20部。 弗朗西斯科·埃斯波西托(Francesco Esposito) 数学高手,精通高等数学与数据科学,《机器学习导论》合著者。目前服务于Crionet,担任工程与数学总监。连续创业者,先后创办了Youbiquitous和KBMS Data Force。

相关图书