幫助中心 | 我的帳號 | 關於我們

分散式機器學習(演算法理論與實踐)/智能科學與技術叢書

  • 作者:劉鐵岩//陳薇//王太峰//高飛
  • 出版社:機械工業
  • ISBN:9787111609186
  • 出版日期:2018/10/01
  • 裝幀:平裝
  • 頁數:264
人民幣:RMB 89 元      售價:
放入購物車
加入收藏夾

內容大鋼
    劉鐵岩、陳薇、王太峰、高飛著的《分散式機器學習(演算法理論與實踐)/智能科學與技術叢書》旨在全面介紹分散式機器學習的現狀,深入分析其中的核心技術問題,並且討論該領域未來的發展方向。
    全書共12章。第1章是緒論,向大家展示分散式機器學習這個領域的全景。第2章介紹機器學習的基礎知識。第3章到第8章是本書的核心部分,向大家細緻地講解分散式機器學習的框架及其各個功能模塊。其中第3章給出整個分散式機器學習框架的綜述,而第4章到第8章則分別針對其中的數據與模型劃分模塊、單機優化模塊、通信模塊、數據與模型聚合模塊加以介紹。接下來的三章是對前面內容的總結與升華。其中第9章介紹由分散式機器學習框架中不同選項所組合出來的各式各樣的分散式機器學習演算法,第10章討論這些演算法的理論性質,第11章則介紹幾個主流的分散式機器學習系統(包括Spark MLlib迭代式MapReduce系統,Multiverso參數伺服器系統,TensorFlow數據流系統)。最後的第12章是全書的結語,在對全書內容進行簡要總結之後,著重討論分散式機器學習這個領域未來的發展方向。
    本書基於微軟亞洲研究院機器學習研究團隊多年的研究成果和實踐經驗寫成,既可以作為研究生從事分散式機器學習方向研究的參考文獻,也可以作為人工智慧從業者進行演算法選擇和系統設計的工具書。

作者介紹
劉鐵岩//陳薇//王太峰//高飛

目錄
序言一
序言二
前言
作者介紹
第1章  緒論
  1.1  人工智慧及其飛速發展
  1.2  大規模、分散式機器學習
  1.3  本書的安排
  參考文獻
第2章  機器學習基礎
  2.1  機器學習的基本概念
  2.2  機器學習的基本流程
  2.3  常用的損失函數
    2.3.1  Hinge損失函數
    2.3.2  指數損失函數
    2.3.3  交叉熵損失函數
  2.4  常用的機器學習模型
    2.4.1  線性模型
    2.4.2  核方法與支持向量機
    2.4.3  決策樹與Boosting
    2.4.4  神經網路
  2.5  常用的優化方法
  2.6  機器學習理論
    2.6.1  機器學習演算法的泛化誤差
    2.6.2  泛化誤差的分解
    2.6.3  基於容度的估計誤差的上界
  2.7  總結
  參考文獻
第3章  分散式機器學習框架
  3.1  大數據與大模型的挑戰
  3.2  分散式機器學習的基本流程
  3.3  數據與模型劃分模塊
  3.4  單機優化模塊
  3.5  通信模塊
    3.5.1  通信的內容
    3.5.2  通信的拓撲結構
    3.5.3  通信的步凋
    3.5.4  通信的頻率
  3.6  數據與模型聚合模塊
  3.7  分散式機器學習理淪
  3.8  分散式機器學習系統
  3.9  總結
  參考文獻
第4章  單機優化之確定性演算法
  4.1  基本概述
    4.1.1  機器學習的優化框架
  ……
第5章  單機優化之隨機演算法
第6章  數據與模型並行
第7章  通信機制

第8章  數據與模型聚合
第9章  分散式及其學習演算法
第10章  分散式機器學習理論
第11章  分散式機器學習系統
第12章  結語
索引

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032