掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
機器學習與人工智能實戰:基于業務場景的工程應用 版權信息
- ISBN：9787302635239
- 條形碼：9787302635239 ; 978-7-302-63523-9
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習與人工智能實戰:基于業務場景的工程應用 本書特色
信用卡公司如何檢測欺詐行為？
航空公司如何通過機器學習對噴氣發動機進行預測性維護？
自動駕駛汽車如何看周圍的世界？
谷歌翻譯如何把文字翻譯為另一種語言？
面部識別系統如何工作？
作者抽絲剝繭，在運用機器學習和人工智能來解決這些問題的過程中，抽離出更有利于讀者理解和掌握的知識要點，旨在幫助讀者放下畏難情緒，*終自己動手構建一個類似更智能的系統或者以更智能的方式使用現有的系統，將人工智能集成到工業場景下的應用中。
作者在全球很多公司和研究機構講授人工智能和機器學習課程，本書用到了課程中使用的例子和插圖，全部經過實證，沒有可怕的算法或者公式，可以幫助工程師和軟件開發人員快速入門。更值得一提的是，書中還包含了很多實操案例。
機器學習與人工智能實戰:基于業務場景的工程應用 內容簡介
工程師需要知道的機器學習和人工智能提供的實例和圖示來自Prosise的AI和ML課程,這]課程受到了全球各地許多公司和研究所的青睞和歡迎。作者不涉及讓人滑悚然和望而生畏的數學公式,目的只有一個那就 是面向工程師和軟件開發人員,幫助他們迅速入門并通過案例迅速運用人工智能和機器學習來解決業務問題。本書講幫助讀者學會什么是機器學習和深度學習以及兩者各有哪些用途;理解常用的深度學習算法的原理及其應用;學會標記和未標記數據,監督學習和非監督學習有何差異;通過scikit-learn和神經網絡Keras和TensorFlow ,運用Python來進行機器學習建模;訓練和評分地柜模型與-進制和多類粉類器模型 ;構建面檢測和面識別模型以及 對象檢測模型。本書適合硬件工程師與軟件開發人員閱讀和參考
機器學習與人工智能實戰:基于業務場景的工程應用 目錄
第I 分 用Scikit-Learn 進行機器學
第1 章 機器學 3
1.1 什么是機器學 4
1.1.1 機器學與人工智能 7
1.1.2 監督和無監督學 9
1.2 使用k-means 聚類算法的無監督學 10
1.2.1 將k-means 聚類算法應用于客戶數據 13
1.2.2 使用兩個以上的維度對客戶進行細分 16
1.3 監督學 19
1.3.1 k 近鄰 22
1.3.2 使用k 近鄰對花卉進行分類 24
1.4 小結 28
第2 章 回歸模型 30
2.1 線性回歸 30
2.2 決策樹 34
2.3 隨機森林 37
2.4 梯度提升機 39
2.5 支持向量機 41
2.6 回歸模型的度測量 42
2.7 使用回歸來預測車費 46
2.8 小結 51
第3 章 分類模型 53
3.1 邏輯回歸 54
3.2 分類模型的率度量 56
3.3 分類數據 61
3.4 二分類 63
3.4.2 檢測信用卡欺詐 68
3.5 多分類 73
3.6 構建數字識別模型 74
3.7 小結 78
第4 章 文本分類 80
4.1 準備用于分類的文本 81
4.2 情感分析 84
4.3 樸素貝葉斯 88
4.4 垃圾郵件過濾 91
4.5 推薦系統 95
4.5.1 余弦相似性 96
4.5.2 構建一個電影推薦系統 98
4.6 小結 100
第5 章 支持向量機 102
5.1 支持向量機的工作原理 102
5.1.1 核 105
5.1.2 核技巧 106
5.2 參數調整 109
5.3 數據歸一化 112
5.4 管道化 117
5.5 使用SVM 進行面識別 118
5.6 小結 124
第6 章 主成分分析 126
6.1 理解主成分分析 127
6.2 噪聲過濾 133
6.3 數據匿名化 135
6.4 可視化高維數據 137
6.5 異常檢測 140
6.5.1 使用PCA 檢測信用卡欺詐 141
6.5.2 使用PCA 來預測軸承故障 145
6.5.3 多變量異常檢測 150
6.6 小結 151
第7 章 機器學模型的作化 152
7.1 從Python 客戶端使用Python 模型 153
7.2 pkl 文件的版本管理 157
7.3 從C# 客戶端使用Python 模型 157
7.4 容器化機器學模型 160
7.5 使用ONNX 來橋接不同的語言 161
7.6 用ML.NET 在C# 中構建ML 模型 165
7.6.1 用ML.NET 進行情感分析 166
7.6.2 存和加載ML.NET 模型 169
7.7 為Excel 添加機器學功能 169
7.8 小結 173
第II 分 用Keras 和TensorFlow 進行深度學
第8 章 深度學 177
8.1 了解經網絡 178
8.2 訓練經網絡 182
8.3 小結 185
第9 章 經網絡 187
9.1 用Keras 和TensorFlow 構建經網絡 188
9.1.1 設定經網絡的大小 192
9.1.2 使用經網絡來預測車費 193
9.2 用經網絡進行二分類 197
9.2.1 進行預測 199
9.2.2 訓練經網絡來檢測信用卡欺詐 200
9.3 用經網絡進行多分類 204
9.4 訓練經網絡進行面識別 207
9.5 Dropout 210
9.6 存和加載模型 211
9.7 Keras 回調 213
9.8 小結 216
第10 章 用卷積經網絡進行圖像分類 218
10.1 理解CNN 219
10.1.1 使用Keras 和TensorFlow 來構建CNN 223
10.1.2 訓練CNN 來識別北野生動物 227
10.2 預訓練CNN 232
10.3 使用ResNet50V2 對圖像分類 235
10.4 轉移學 237
10.5 通過轉移學來識別北野生動物 240
10.6 數據增強 243
10.6.1 用ImageDataGenerator 進行圖像增強 244
10.6.2 使用增強層進行圖像增強 247
10.6.3 將圖像增強應用于北野生動物 248
10.7 全局池化 251
10.8 用CNN 進行音頻分類 252
10.9 小結 259
第11 章 面檢測和識別 261
11.1 人臉檢測 262
11.1.1 用Viola-Jones 算法進行人臉檢測 263
11.1.2 使用Viola-Jones 的OpenCV 實現 265
11.1.3 用卷積經網絡檢測人臉 267
11.1.4 從照片中提取人臉 271
11.2 面識別 273
11.2.1 將遷移學應用于人臉識別 274
11.2.2 用任務定的權重強化轉移學 277
11.2.3 ArcFace 280
11.3 綜合運用：檢測和識別照片中的人臉 281
11.4 處理未知人臉：閉集和開集分類 287
11.5 小結 288
第12 章 目標檢測 290
12.1 R-CNN 291
12.2 Mask R-CNN 294
12.3 YOLO 300
12.4 YOLOv3 和Keras 302
12.5 自定義目標檢測 307
12.5.1 用自定義視覺服務訓練自定義目標檢測模型 308
12.5.2 使用導出的模型 315
12.6 小結 317
第13 章 自然語言處理 318
13.1 文本準備 319
13.2 詞嵌入 322
13.3 文本分類 323
13.3.1 自動化文本矢量處理 327
13.3.2 在情感分析模型中使用TextVectorization 328
13.3.3 將詞序納入預測的因素 330
13.3.4 循環經網絡(RNN) 331
13.3.5 使用預訓練模型進行文本分類 333
13.4 經機器翻譯 335
13.4.1 LSTM 編碼器- 解碼器 336
13.4.2 Transformer 編碼器- 解碼器 338
13.4.3 構建基于Transformer 的NMT 模型 340
13.4.4 使用預訓練模型來翻譯文本 349
13.5 基于變換器的雙向編碼器(BERT) 350
13.5.1 構建基于BERT 的答題系統 352
13.5.2 調BERT 以進行情感分析 355
13.6 小結 359
第14 章 Azure 認知服務 361
14.1 Azure 認知服務簡介 362
14.1.1 密鑰和結點 364
14.1.2 調用Azure 認知服務API 367
14.1.3 Azure 認知服務容器 369
14.2 計算機視覺服務 371
14.3 語言服務 380
14.4 翻譯服務 383
14.5 語音服務 385
14.6 集大成者Contoso Travel 386
14.7 小結 391
展開全部
機器學習與人工智能實戰:基于業務場景的工程應用 作者簡介
杰夫·普羅西斯 (Jeff Prosise) ，資深工程師，熱心于幫助工程師和軟件開發人員用好人工智能和機器學習。作為Wintellect的聯合創始人，他在微軟培訓過幾千名開發人員，在一些全球軟件大會上發表過演講。此外，杰夫還效力于橡樹嶺國家實驗室和勞倫斯利弗莫爾國家實驗室，從事過高功率激光系統和聚變能研究。目前，杰夫在Atmosera擔任首席學習官，致力于幫助客戶在產品或服務中實際應用人工智能。
書友推薦
- >
姑媽的寶刀
- >
我與地壇
- >
名家帶你讀魯迅:朝花夕拾
- >
隨園食單
- >
經典常談
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
朝聞道
- >
月亮虎
本類暢銷
