幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Go語言機器學習實戰/機器學習系列

  • 作者：(澳)周軒逸|責編:任鑫//閭洪慶|譯者:譚勵//連曉峰
  • 出版社：機械工業
  • ISBN：9787111645894
  • 出版日期：2020/04/01
  • 裝幀：平裝
  • 頁數：223
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    Go語言是用於機器學習的一門重要語言。本書主要介紹了如何在Go語言中部署程序從而實現機器學習演算法。主要內容包括：利用Go語言中的庫和功能來配置機器學習環境，對實際生活中的房價數據集進行回歸分析，在Go語言中構建分類模型來區分垃圾電子郵件，通過聚類整理個人推特賬戶的時間線。此外，本書還介紹了用神經網路和卷積神經網路進行手寫體識別，以及以人臉檢測項目為例，介紹了如何選擇適合於具體項目的機器學習演算法。
    本書適合於從事人工智慧、機器學習、Go語言程序設計等相關工作的程序員、數據科學研究人員作為參考學慣用書。
作者介紹
(澳)周軒逸|責編:任鑫//閭洪慶|譯者:譚勵//連曉峰
目錄
譯者序
原書前言
第1章  如何解決機器學習中的所有問題
  1.1  什麼是一個問題
  1.2  什麼是一個演算法
  1.3  什麼是機器學習
  1.4  是否需要機器學習
  1.5  一般問題解決過程
  1.6  什麼是一個模型
    1.6.1  什麼是一個好的模型
  1.7  本書主要內容與章節安排
  1.8  為什麼選擇Go語言
  1.9  快速啟動
  1.10  函數
  1.11  變數
    1.11.1  值
    1.11.2  類型
    1.11.3  方法
    1.11.4  介面
    1.11.5  包和導入
  1.12  開始
第2章  線性回歸———房價預測
  2.1  項目背景
  2.2  探索性數據分析
    2.2.1  數據攝取和索引
    2.2.2  數據清洗工作
    2.2.3  進一步的探索性工作
    2.2.4  標準化
  2.3  線性回歸
    2.3.1  回歸
    2.3.2  交叉驗證
  2.4  討論和下一步的工作
  2.5  小結
第3章  分類———垃圾郵件檢測
  3.1  項目背景
  3.2  探索性數據分析
    3.2.1  數據標記
    3.2.2  規範化和詞幹提取
    3.2.3  停用詞
    3.2.4  數據攝取
  3.3  分類器
  3.4  樸素貝葉斯
    3.4.1  TF-IDF
    3.4.2  條件概率
    3.4.3  特徵
    3.4.4  貝葉斯定理
  3.5  分類器實現
    3.5.1  類
    3.5.2  分類器第Ⅱ部分
  3.6  程序整合

  3.7  小結
第4章  利用時間序列分析分解二氧化碳趨勢
  4.1  探索性數據分析
    4.1.1  從非HTTP數據源下載
    4.1.2  處理非標準數據
    4.1.3  處理小數型日期
    4.1.4  繪圖
  4.2  分解
    4.2.1  STL
    4.2.2  更多繪製內容
  4.3  預測
  4.4  小結
參考文獻
第5章  通過聚類整理個人推特賬戶的時間線
  5.1  項目背景
  5.2  K均值
  5.3  DBSCAN
  5.4  數據採集
  5.5  探索性數據分析
  5.6  數據信息
    5.6.1  處理器
    5.6.2  單字預處理
    5.6.3  單條推特處理
  5.7  聚類
    5.7.1  K均值聚類
    5.7.2  DBSCAN聚類
    5.7.3  DMMClust聚類
  5.8  實際數據
  5.9  程序
  5.10  程序調整
    5.10.1  距離調整
    5.10.2  預處理步驟調整
  5.11  小結
第6章  神經網路———MNIST手寫體識別
  6.1  神經網路
    6.1.1  模擬神經網路
  6.2  線性代數101
    6.2.1  激活函數探討
  6.3  學習功能
  6.4  項目背景
    6.4.1  Gorgonia
    6.4.2  數據獲取
    6.4.3  什麼是張量
    6.4.4  構建神經網路
    6.4.5  前饋
    6.4.6  利用maybe類型進行錯誤處理
    6.4.7  前饋函數說明
    6.4.8  成本
    6.4.9  反向傳播
  6.5  神經網路訓練

  6.6  交叉驗證
  6.7  小結
第7章  卷積神經網路———MNIST手寫體識別
  7.1  有關神經元的一切認識都是錯誤的
  7.2  回顧神經網路
    7.2.1  Gorgonia
    7.2.2  構建一個神經網路
  7.3  項目
    7.3.1  數據獲取
    7.3.2  上一章的其他內容
  7.4  CNN簡介
    7.4.1  什麼是卷積
    7.4.2  最大池化
    7.4.3  退出
  7.5  構建一個CNN
    7.5.1  反向傳播
  7.6  運行神經網路
  7.7  測試
    7.7.1  準確率
  7.8  小結
第8章  基本人臉檢測
  8.1  什麼是人臉
    8.1.1  Viola-Jones
  8.2  PICO
    8.2.1  關於學習的注意事項
  8.3  GoCV
    8.3.1  API
  8.4  PIGO
  8.5  人臉檢測程序
    8.5.1  從網路攝像頭獲取圖像
    8.5.2  圖像顯示
    8.5.3  在圖像上塗鴉
    8.5.4  人臉檢測1
    8.5.5  人臉檢測2
    8.5.6  演算法結合
  8.6  演算法評估
  8.7  小結
第9章  熱狗或者不是熱狗———使用外部服務
  9.1  MachineBox
  9.2  什麼是MachineBox
    9.2.1  登錄和註冊
    9.2.2  Docker安裝與設置
    9.2.3  在Go語言中使用 MachineBox
  9.3  項目
    9.3.1  訓練
    9.3.2  從網路攝像頭讀取圖像
    9.3.3  美化結果
  9.4  結果
  9.5  這一切意味著什麼
  9.6  為什麼採用MachineBox

  9.7  小結
第10章  今後發展趨勢
  10.1  讀者應該關注什麼
    10.1.1  從業者
    10.1.2  研究人員
  10.2  研究人員、從業者及其利益相關者
  10.3  本書未涉及的內容
  10.4  更多學習資源

  • 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