幫助中心 | 我的帳號 | 關於我們

PyTorch高級機器學習實戰/人工智慧科學與技術叢書

  • 作者:編者:王宇龍|責編:李曉波//楊源
  • 出版社:機械工業
  • ISBN:9787111719960
  • 出版日期:2023/02/01
  • 裝幀:平裝
  • 頁數:301
人民幣:RMB 109 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書講解了經典的高級機器學習演算法原理與知識,包括常見的監督學習、無監督學習、概率圖模型、核方法、深度神經網路,以及強化學習等內容,同時更強調動手實踐。所有演算法均利用PyTorch計算框架進行實現,並且在各章節配備實戰環節,內容涵蓋點擊率預估、異常檢測、概率圖模型變分推斷、高斯過程超參數優化、深度強化學習智能體訓練等內容。
    本書附贈所有案例的源代碼及各類學習資料來源,適合具有一定編程基礎的人工智慧愛好者學習,也是相關從業者和研究人員的學習指南。

作者介紹
編者:王宇龍|責編:李曉波//楊源
    王宇龍,博士,畢業於清華大學電腦系,曾在CVPR/AAAI/TIP等多家國際會議期刊發表論文,研究方向為深度學習可解釋性、模型剪枝、對抗安全等。知乎「機器學習」話題優秀回答者(@Yulong)。現任螞蟻金服演算法專家。

目錄
前言
第1章  機器學習概述
  1.1  機器學習簡介
    1.1.1  機器學習的含義
    1.1.2  機器學習概述
    1.1.3  不同類型的機器學習演算法
  1.2  數據處理
    1.2.1  數據特徵分類及表示
    1.2.2  數據預處理
    1.2.3  數據缺失處理
    1.2.4  特徵衍生和交叉
    1.2.5  特徵篩選
  1.3  衡量標準
    1.3.1  模型評估指標
    1.3.2  數據集劃分
    1.3.3  超參數優化
  1.4  優化目標
    1.4.1  損失函數
    1.4.2  梯度下降優化
    1.4.3  受約束優化:Lagrange函數
  1.5  實戰:簡單模型實現Titanic乘客生存概率預測
    1.5.1  問題描述與數據特徵
    1.5.2  簡單屬性分類模型實現預測
第2章  PyTorch基本操作介紹
  2.1  PyTorch簡介
  2.2  核心概念:Tensor
    2.2.1  Tensor基本操作
    2.2.2  基本數學運算
    2.2.3  索引分片操作
    2.2.4  類成員方法
  2.3  自動求導(Autograd)
    2.3.1  可微分張量
    2.3.2  Function:實現自動微分的基礎
  2.4  神經網路核心模塊:torch.nn
    2.4.1  nn.Module概述
    2.4.2  函數式操作nn.functional
  2.5  優化器(optimizer)
    2.5.1  optimizer概述
    2.5.2  學習率調節
    2.5.3  經典優化器介紹
  2.6  數據載入
  ……
第3章  監督學習
第4章  無監督學習
第5章  PyTorch高級機器學習實戰概率圖模型
第6章  核方法
第7章  深度神經網路
第8章  強化學習
參考文獻

  • 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