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

機器學習的產業實踐之路

  • 作者：編者:畢然//飛槳教材編寫組|責編:王穎
  • 出版社：機械工業
  • ISBN：9787111726159
  • 出版日期：2023/05/01
  • 裝幀：平裝
  • 頁數：400
人民幣：RMB 149 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本人工智慧應用方法論的書，從技術原理、項目實踐到商業戰略再到實踐課，逐層放開視野。第一部分首先圍繞「機器為何學習」和「機器怎樣學習」展開，樹立機器學習的基本觀念，認識大數據對機器學習和深度學習的價值，啟發對產業應用的思考；然後聚焦機器學習和深度學習的技術原理和實踐經驗，詳述「假設+目標+尋解」的學習框架，探討模型如何變強，以及建模的實踐經驗。第二部分以電商促銷策略中的模型、電腦視覺技術和視覺搜索，以及知識圖譜和對話機器人為案例，展示從業務分析到系統建模的全過程，這是應用技術的項目級實踐。第三部分站在行業和商業的視角審視技術，以應用技術為出發點，構建一個成功的商業模式，是應用技術的商業實踐。第四部分的實踐以數值預測、電腦視覺、自然語言處理領域的經典任務——房價預測、手寫數字識別和語義相似度計算為例，結合產業應用案例，便於讀者更深刻地體會本書介紹的方法論。
    本書既有對技術原理的思考，也有對商業應用的總結；既有簡潔的數學公式，也有有趣的哲學思考。本書不追求講解機器學習原理的每個細節，而是通過系統化思考讓讀者輕鬆掌握機器學習的本質和應用方法論。
作者介紹
編者:畢然//飛槳教材編寫組|責編:王穎
    畢然，專註于機器學習、人工智慧、數據分析、商業戰略等領域，出品過「大數據分析的道與術」「零基礎實踐深度學習」「機器學習的思考故事」「如何系統化地分析業務和戰略」等系列課程，其中前2個課程著有同名書籍，本書為第3個課程的配套書籍。
目錄
前言
第一部分  原理與思考
  第1章  機器學習與大數據
    1.1  機器為何能學習
      1.1.1  人類為何能學習
      1.1.2  從個案學習到統計學習
      1.1.3  統計學習是否可信
    1.2  機器是怎樣學習的
      1.2.1  機器學習的框架：假設+目標+尋解
      1.2.2  如何在機器學習場景中應用大數定律
      1.2.3  大數據對機器學習的意義
      1.2.4  小結
    1.3  跨上人工智慧的戰車
      1.3.1  大數據的概念及價值
      1.3.2  企業為何要搭上人工智慧的戰車
      1.3.3  企業如何搭上人工智慧的戰車
      1.3.4  人工智慧技術團隊的建設
  第2章  機器學習框架的深入探討
    2.1  機器為何能學習（續）：故事結束了嗎？我們需要更多的模型嗎
      2.1.1  牛頓第二定律的遺留問題
      2.1.2  新的需求場景
      2.1.3  不同的目標
      2.1.4  不同的尋解
      2.1.5  小結與回顧
    2.2  重要權衡與過擬合
      2.2.1  重要權衡的四張「面孔」
      2.2.2  過擬合的成因和防控
      2.2.3  小結與回顧
  第3章  從線性函數到非線性函數，如何構建強大的模型
    3.1  從線性函數到非線性函數
      3.1.1  線性模型的不足
      3.1.2  怎樣擴展假設空間
    3.2  核函數方法
      3.2.1  正則化的另一種理解與SVM模型
      3.2.2  核函數的思路
    3.3  多模型組合的方法
      3.3.1  組合模型的兩個好處
      3.3.2  實現組合模型的兩個步驟和方法
      3.3.3  裝袋方式
      3.3.4  提升方式
      3.3.5  切分方式
      3.3.6  小結
    3.4  神經網路與深度學習
      3.4.1  神經網路和深度學習的模型思路
      3.4.2  組建神經網路
      3.4.3  神經網路模型的優化
      3.4.4  非線性變換函數的選擇
      3.4.5  神經網路結構的選擇
      3.4.6  深度學習得到發展的前提及其具備的優勢
      3.4.7  深度學習的重要衍生功能

  第4章  機器學習的建模實踐
    4.1  業務建模
      4.1.1  如何做好業務建模
      4.1.2  案例：兩個不同的排序模型
    4.2  特徵工程
      4.2.1  特徵工程的定義
      4.2.2  信息可以存儲在特徵中，也可以存儲在模型中
      4.2.3  特徵工程案例
      4.2.4  特徵的類型和維度
      4.2.5  特徵存在缺失或錯誤值時怎麼辦
      4.2.6  特徵降維和選擇
    4.3  樣本處理
      4.3.1  訓練樣本的基本概念
      4.3.2  訓練樣本的常見問題及其解決方案
    4.4  模型評估
      4.4.1  業務目標的評估
      4.4.2  模型目標的評估
    4.5  小結
第二部分  應用與方法
  第5章  電商平台促銷策略模型
    5.1  業務背景
      5.1.1  互聯網的盈利模式
      5.1.2  廣告定價機制
    5.2  傳統的促銷方案
      5.2.1  問題1：如何選擇促銷時機
      5.2.2  問題2：如何為店鋪制定廣告消費任務
      5.2.3  問題3：如何設置優惠定價模型
    5.3  基於競爭傳播的顛覆創新
      5.3.1  顛覆創新的思考
      5.3.2  競爭傳播模型
      5.3.3  種子集合篩選演算法
    5.4  小結
  第6章  電腦視覺及其應用產品的構建
    6.1  電腦視覺產品的問題背景
    6.2  圖像的特徵表示
      6.2.1  SIFT特徵
      6.2.2  CNN模型與特徵
      6.2.3  實現高速計算的方法：特徵降維
    6.3  視覺產品的構建案例
      6.3.1  如何在海量數據中尋找匹配的圖像
      6.3.2  如何識別和理解圖像中的實體信息
      6.3.3  其他電腦視覺領域常見任務
    6.4  電腦視覺應用的產業分析
      6.4.1  電腦視覺在互聯網行業的應用
      6.4.2  電腦視覺在傳統行業的應用
    6.5  小結
  第7章  知識圖譜和對話機器人
    7.1  知識圖譜技術
      7.1.1  兩類信息
      7.1.2  人工智慧技術的發展歷程

      7.1.3  什麼是知識圖譜
      7.1.4  知識圖譜的應用場景
    7.2  基於知識的人機交互
      7.2.1  基於領域知識優化人機交互策略
      7.2.2  領域知識的挖掘
    7.3  對話機器人的產業分析與技術方案
      7.3.1  技術流派與實現方案
      7.3.2  技術應用兩大方向
      7.3.3  技術實現
      7.3.4  應用MDP和Q-learning演算法的案例
第三部分  商業與戰略
  第8章  認知新技術：區塊鏈
    8.1  從創造者的視角理解技術
      8.1.1  貨幣的本質是什麼
      8.1.2  如何記賬
      8.1.3  如何保證賬本的真實性
      8.1.4  如何保證賬本的安全性
      8.1.5  如何實現分散式存儲的數據同步
      8.1.6  如何解決記賬的動力
    8.2  用抽象邏輯梳理應用場景
      8.2.1  「鏈圈」應用的內在邏輯
      8.2.2  區塊鏈技術應用的案例
      8.2.3  區塊鏈技術應用的三個阻礙
      8.2.4  「鏈圈」應用的總結
    8.3  「幣圈」應用思想的精要
      8.3.1  為什麼要發幣
      8.3.2  為何幣會值錢
      8.3.3  如何設計發幣
    8.4  從商業本質來制定戰略
  第9章  醫療行業的技術布局和應用思考
    9.1  謀划行業中的技術應用
    9.2  互聯網醫療平台
      9.2.1  多種醫藥流通業態逐漸融合
      9.2.2  互聯網醫療平台與商業保險的合作模式
    9.3  醫療行業的技術應用分析
      9.3.1  互聯網應用
      9.3.2  區塊鏈應用
      9.3.3  IT軟體和雲計算應用
      9.3.4  人工智慧應用
      9.3.5  科技企業進入傳統行業落地AI技術
    9.4  思考技術在行業應用的方法論
  第10章  從技術到商業的思考
    10.1  主題回顧
    10.2  從技術到商業的思維模式轉變
      10.2.1  戰略壁壘的重要性
      10.2.2  常見的戰略壁壘
    10.3  新型壁壘：平台模式的解析
      10.3.1  平台模式的典型案例：Steam遊戲平台
      10.3.2  互聯網企業以整合C端平台供應鏈的模式切入B端服務市場
      10.3.3  互聯網企業賦能生態夥伴的方法論

    10.4  技術投資與採購的方法論
      10.4.1  層面1：梳理業務所需的技術全景
      10.4.2  層面2：梳理具體技術方向的內部邏輯
      10.4.3  層面3：分析具備能力的侯選企業
      10.4.4  案例：短視頻C端賽道的業務
    10.5  人工智慧的產業展望
      10.5.1  人工智慧未來的發展
      10.5.2  人工智慧應用的方法論
      10.5.3  人工智慧的企業市場分析
    10.6  企業的組織能力：《創新者的窘境》中的理論
    10.7  人工智慧應用領域的職業前景
第四部分  工具與實踐
  第11章  實踐課
    11.1  實踐課1：基於深度學習框架飛槳完成房價預測任務
      11.1.1  深度學習框架
      11.1.2  飛槳產業級深度學習開源開放平台
      11.1.3  使用飛槳構建波士頓房價預測模型
    11.2  實踐課2：手寫數字識別
    11.3  實踐課3：詞向量和語義相似度
    11.4  實踐課4：畢業設計
      11.4.1  畢業設計作業
      11.4.2  往屆學員優秀作品展示

  • 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