掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>
跨平臺(tái)機(jī)器學(xué)習(xí):ML.NET架構(gòu)及應(yīng)用編程
包郵 跨平臺(tái)機(jī)器學(xué)習(xí):ML.NET架構(gòu)及應(yīng)用編程
開(kāi)本：
其他
頁(yè)數(shù)：
293
本類(lèi)榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷(xiāo)量榜
本類(lèi)五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥69.3
加入購(gòu)物車(chē)
跨平臺(tái)機(jī)器學(xué)習(xí):ML.NET架構(gòu)及應(yīng)用編程 版權(quán)信息
- ISBN：9787302619239
- 條形碼：9787302619239 ; 978-7-302-61923-9
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
跨平臺(tái)機(jī)器學(xué)習(xí):ML.NET架構(gòu)及應(yīng)用編程 本書(shū)特色
通過(guò)對(duì)《跨平臺(tái)機(jī)器學(xué)習(xí)：ML.NET架構(gòu)及應(yīng)用編程》的學(xué)習(xí)，讀者可以在專(zhuān)家的指導(dǎo)下，運(yùn)用跨平臺(tái)機(jī)器學(xué)習(xí)框架ML.NET來(lái)創(chuàng)建機(jī)器學(xué)習(xí)解決方案。 有了ML.NET，機(jī)器學(xué)習(xí)可以為所有.NET開(kāi)發(fā)人員賦能，《跨平臺(tái)機(jī)器學(xué)習(xí)：ML.NET架構(gòu)及應(yīng)用編程》可以幫助讀者將ML.NET應(yīng)用于實(shí)際的生產(chǎn)解決方案中。在對(duì)ML.NET進(jìn)行基本概述之后，作者闡明了用于回歸、分類(lèi)、排名、異常檢測(cè)等的微框架（ML任務(wù)）。對(duì)于每個(gè)ML任務(wù)，都提供了克服現(xiàn)實(shí)世界中常見(jiàn)挑戰(zhàn)的見(jiàn)解。同時(shí)，書(shū)中還著重介紹了神經(jīng)網(wǎng)絡(luò)Keras，展示了一個(gè)完整的機(jī)器學(xué)習(xí)應(yīng)用，以及如何在.NET中利用流行的Python 工具。 微軟*有價(jià)值專(zhuān)家MVP（16屆）在書(shū)中展示了以下主題： l 構(gòu)建更智能的機(jī)器學(xué)習(xí)解決方案，更貼近用戶(hù)的需求； l 了解ML.NET如何實(shí)例化經(jīng)典ML管道，并簡(jiǎn)化情緒分析、欺詐檢測(cè)和價(jià)格預(yù)測(cè)等常見(jiàn)場(chǎng)景； l 實(shí)施數(shù)據(jù)處理和培訓(xùn)，生產(chǎn)基于機(jī)器學(xué)習(xí)的軟件解決方案； l 從基本預(yù)測(cè)轉(zhuǎn)向更復(fù)雜的任務(wù)，包括分類(lèi)、異常檢測(cè)、推薦和圖像分類(lèi)； l 執(zhí)行二分類(lèi)和多分類(lèi)；使用聚類(lèi)和無(wú)監(jiān)督學(xué)習(xí)將數(shù)據(jù)組織成同質(zhì)組； l 發(fā)現(xiàn)異常值以檢測(cè)可疑行為、欺詐、故障設(shè)備或其他問(wèn)題； l 充分利用 ML.NET 強(qiáng)大、靈活的預(yù)測(cè)功能； l 實(shí)現(xiàn)排名、推薦、協(xié)同過(guò)濾的相關(guān)功能； l 使用 ML.NET 遷移學(xué)習(xí)快速構(gòu)建圖像分類(lèi)解決方案； l 當(dāng)標(biāo)準(zhǔn)算法和淺層學(xué)習(xí)不夠時(shí)轉(zhuǎn)向深度學(xué)習(xí)； l 通過(guò) Azure認(rèn)知服務(wù)API購(gòu)買(mǎi)神經(jīng)網(wǎng)絡(luò)，或探索使用 Keras和TensorFlow 構(gòu)建自己的神經(jīng)網(wǎng)絡(luò)。
跨平臺(tái)機(jī)器學(xué)習(xí):ML.NET架構(gòu)及應(yīng)用編程 內(nèi)容簡(jiǎn)介
ML.NET 是面向.NET 開(kāi)發(fā)人員的開(kāi)源機(jī)器學(xué)習(xí)框架，可以幫助開(kāi)發(fā)人員使用 C# 或 F# 創(chuàng)建自定義機(jī)器學(xué)習(xí)模型，從而將機(jī)器學(xué)習(xí)集成到 Web、移動(dòng)、桌面、游戲和物聯(lián)網(wǎng)應(yīng)用中！犊缙脚_(tái)機(jī)器學(xué)習(xí)：ML.NET架構(gòu)及應(yīng)用編程》以ML.NET 為核心，介紹了架構(gòu)及其基本知識(shí)，介紹了ML.NET 的八大機(jī)器學(xué)習(xí)應(yīng)用場(chǎng)景：預(yù)測(cè)、分類(lèi)、聚類(lèi)、異常檢查、預(yù)測(cè)、推薦、圖像分類(lèi)以及神經(jīng)網(wǎng)絡(luò)。 《跨平臺(tái)機(jī)器學(xué)習(xí)：ML.NET架構(gòu)及應(yīng)用編程》適合數(shù)據(jù)工程師使用和參考。
跨平臺(tái)機(jī)器學(xué)習(xí):ML.NET架構(gòu)及應(yīng)用編程 目錄
簡(jiǎn)??明??目??錄
第1章??人工智能軟件 001
第2章 透視ML.NET架構(gòu) 011
第3章 ML.NET基礎(chǔ) 033
第4章 預(yù)測(cè)任務(wù) 055
第5章 分類(lèi)任務(wù) 091
第6章 聚類(lèi)任務(wù) 125
第7章 異常檢查任務(wù) 149
第8章 預(yù)測(cè)任務(wù) 177
第9章 推薦任務(wù) 199
第10章 圖像分類(lèi)任務(wù) 219
第11章 神經(jīng)網(wǎng)絡(luò)概述 237
第12章 用于識(shí)別護(hù)照的神經(jīng)網(wǎng)絡(luò) 255
附錄 模型的可解釋性 271
詳??細(xì)??目??錄
第1章 人工智能軟件 001
1.1 軟件的源起 002
1.1.1 計(jì)算機(jī)的形式化 002
1.1.2 計(jì)算機(jī)工程設(shè)計(jì) 003
1.1.3 人工智能的誕生 004
1.1.4 作為副作用的軟件 004
1.2 軟件在今天的作用 005
1.2.1 自動(dòng)化任務(wù) 006
1.2.2 反映現(xiàn)實(shí)世界 007
1.2.3 賦能用戶(hù) 008
1.3 人工智能如同軟件 008
第2章 透視ML.NET架構(gòu) 011
2.1 Python與機(jī)器學(xué)習(xí) 012
2.1.1 Python為什么在機(jī)器學(xué)習(xí)中如此受歡迎 012
2.1.2 Python機(jī)器學(xué)習(xí)庫(kù)的分類(lèi) 013
2.1.3 Python模型頂部的端到端方案 016
2.2 ML.NET概述 017
2.2.1 ML.NET中的學(xué)習(xí)管道 018
2.2.2 模型訓(xùn)練執(zhí)行摘要 024
2.3 使用訓(xùn)練好的模型 028
2.3.1 使模型可從外部調(diào)用 029
2.3.2 其他部署場(chǎng)景 030
2.3.3 從數(shù)據(jù)科學(xué)到編程 030
2.4 小結(jié) 031
第3章 ML.NET基礎(chǔ) 033
3.1 通往數(shù)據(jù)工程 033
3.1.1 數(shù)據(jù)科學(xué)家的角色 034
3.1.2 數(shù)據(jù)工程師的角色 035
3.1.3 機(jī)器學(xué)習(xí)工程師的角色 036
3.2 從什么數(shù)據(jù)開(kāi)始 037
3.2.1 理解可用的數(shù)據(jù) 037
3.2.2 構(gòu)建數(shù)據(jù)處理管道 040
3.3 訓(xùn)練步驟 043
3.3.1 選擇算法 044
3.3.2 衡量算法的實(shí)際價(jià)值 045
3.3.3 計(jì)劃測(cè)試階段 046
3.3.4 關(guān)于指標(biāo) 047
3.4 在客戶(hù)端應(yīng)用程序中使用模型 048
3.4.1 獲取模型文件 049
3.4.2 完整項(xiàng)目 049
3.4.3 預(yù)測(cè)打車(chē)費(fèi)用 050
3.4.4 可伸縮性的考慮 052
3.4.5 設(shè)計(jì)恰當(dāng)?shù)挠脩?hù)界面 053
3.5 小結(jié) 054
第4章 預(yù)測(cè)任務(wù) 055
4.1 管道和評(píng)估器鏈 056
4.1.1 數(shù)據(jù)視圖 056
4.1.2 轉(zhuǎn)換器 057
4.1.3 估算器 058
4.1.4 管道 059
4.2 回歸ML任務(wù) 059
4.2.1 ML任務(wù)的常規(guī)方面 060
4.2.2 支持的回歸算法 060
4.2.3 支持的校驗(yàn)技術(shù) 063
4.3 使用回歸任務(wù) 066
4.3.1 可用的訓(xùn)練數(shù)據(jù) 066
4.3.2 特征工程 071
4.3.3 訪(fǎng)問(wèn)數(shù)據(jù)庫(kù)內(nèi)容 074
4.3.4 合成訓(xùn)練管道 077
4.4 機(jī)器學(xué)習(xí)深入思考 087
4.4.1 簡(jiǎn)單線(xiàn)性回歸 087
4.4.2 非線(xiàn)性回歸 088
4.5 小結(jié) 089
第5章 分類(lèi)任務(wù) 091
5.1 二分類(lèi)機(jī)器學(xué)習(xí)任務(wù) 091
5.1.1 支持的算法 092
5.1.2 支持的驗(yàn)證技術(shù) 094
5.2 情感分析的二分類(lèi) 094
5.2.1 了解可用的訓(xùn)練數(shù)據(jù) 094
5.2.2 特征工程 098
5.2.3 合成訓(xùn)練管道 101
5.3 多分類(lèi)ML任務(wù) 106
5.4 使用多分類(lèi)任務(wù) 110
5.4.1 了解可用的數(shù)據(jù) 110
5.4.2 合成訓(xùn)練管道 113
5.5 機(jī)器學(xué)習(xí)深入思考 121
5.5.1 分類(lèi)的多面性 121
5.5.2 情感分析的另一個(gè)視角 122
5.6 小結(jié) 123
第6章 聚類(lèi)任務(wù) 125
6.1 聚類(lèi)ML任務(wù) 125
6.1.1 無(wú)監(jiān)督學(xué)習(xí) 126
6.1.2 了解可用的訓(xùn)練數(shù)據(jù) 126
6.1.3 特征工程 131
6.1.4 聚類(lèi)算法 132
6.1.5 合成訓(xùn)練管道 137
6.1.6 設(shè)置客戶(hù)端應(yīng)用程序 139
6.2 機(jī)器學(xué)習(xí)深入思考 143
6.2.1 **步始終是聚類(lèi)分析 144
6.2.2 數(shù)據(jù)集的無(wú)監(jiān)督縮減 145
6.3 小結(jié) 147
第7章 異常檢查任務(wù) 149
7.1 什么是異常 149
7.2 檢查異常情況的常規(guī)方法 150
7.2.1 時(shí)間序列數(shù)據(jù) 150
7.2.2 統(tǒng)計(jì)技術(shù) 153
7.2.3 機(jī)器學(xué)習(xí)方法 154
7.3 異常檢查ML任務(wù) 157
7.3.1 了解可用的訓(xùn)練數(shù)據(jù) 157
7.3.2 合并訓(xùn)練管道 160
7.3.3 設(shè)置客戶(hù)端應(yīng)用程序 167
7.4 機(jī)器學(xué)習(xí)深入思考 171
7.4.1 預(yù)測(cè)性維護(hù) 172
7.4.2 金融詐騙 174
7.5 小結(jié) 175
第8章 預(yù)測(cè)任務(wù) 177
8.1 預(yù)測(cè)未來(lái) 177
8.1.1 簡(jiǎn)單預(yù)測(cè)方法 178
8.1.2 預(yù)測(cè)的數(shù)學(xué)基礎(chǔ) 178
8.1.3 常見(jiàn)的分解算法 180
8.1.4 SSA算法 181
8.2 預(yù)測(cè)ML任務(wù) 183
8.2.1 了解可用的數(shù)據(jù) 183
8.2.2 合成訓(xùn)練管道 185
8.2.3 設(shè)置客戶(hù)端應(yīng)用程序 190
8.3 機(jī)器學(xué)習(xí)深入思考 193
8.3.1 不是公園里的隨機(jī)漫步 194
8.3.2 時(shí)間序列的其他方法 194
8.3.3 電力生產(chǎn)預(yù)測(cè) 195
8.4 小結(jié) 198
展開(kāi)全部
跨平臺(tái)機(jī)器學(xué)習(xí):ML.NET架構(gòu)及應(yīng)用編程 作者簡(jiǎn)介
迪諾·埃斯波西托（Dino Esposito） Crionet首席架構(gòu)師兼聯(lián)合創(chuàng)始人，為專(zhuān)業(yè)體育機(jī)構(gòu)提供創(chuàng)新軟件和服務(wù)。16屆微軟最有價(jià)值專(zhuān)家，出版著作超過(guò)20部。 弗朗西斯科·埃斯波西托（Francesco Esposito） 數(shù)學(xué)高手，精通高等數(shù)學(xué)與數(shù)據(jù)科學(xué)，《機(jī)器學(xué)習(xí)導(dǎo)論》合著者。目前服務(wù)于Crionet，擔(dān)任工程與數(shù)學(xué)總監(jiān)。連續(xù)創(chuàng)業(yè)者，先后創(chuàng)辦了Youbiquitous和KBMS Data Force。
書(shū)友推薦
- >
史學(xué)評(píng)論
- >
上帝之肋:男人的真實(shí)旅程
- >
推拿
- >
二體千字文
- >
有舍有得是人生
- >
名家?guī)阕x魯迅:故事新編
- >
莉莉和章魚(yú)
- >
羅曼·羅蘭讀書(shū)隨筆-精裝
本類(lèi)暢銷(xiāo)
