Python機器學習實戰(zhàn)：真實智能案例實踐指南

定　價：￥168.00

作　者：	迪潘簡·撒卡爾（Dipanjan Sarkar）著，徐鍵，張善干，祁鵬宇，丁學文，肖陽 ... 譯
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥168.00)

ISBN：	9787111669739	出版時間：	2021-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	480	字數(shù)：

內(nèi)容簡介

　　本書幫你掌握通過機器學習和深度學習來識別和解決復(fù)雜問題所需的基本技能。本書使用了流行的 Python機器學習生態(tài)系統(tǒng)中的真實示例，將成為你在學習機器學習的藝術(shù)和科學并成為一名成功的從業(yè)者道路上的完美伴侶。本書中使用的概念、技術(shù)、工具、框架和方法將教會你如何成功思考、設(shè)計、構(gòu)建和執(zhí)行機器學習系統(tǒng)和項目，并利用這些知識解決一些來自不同領(lǐng)域的實際問題，包括零售、運輸、電影、音樂、計算機視覺、藝術(shù)和金融。本書將教會你解決自己遇到的機器學習問題！本書適合人工智能、機器學習、深度學習相關(guān)行業(yè)的從業(yè)者和學習者閱讀。

作者簡介

　　關(guān)于作者 Dipanjan Sarkar 英特爾公司的數(shù)據(jù)科學家，班加羅爾國際信息技術(shù)學院的信息技術(shù)碩士，主要負責數(shù)據(jù)科學研究與分析、商業(yè)智能、實際項目和大型智能系統(tǒng)構(gòu)建等研究、開發(fā)工作。他多年來從事分析工作，擅長統(tǒng)計、預(yù)測和文本分析，對數(shù)據(jù)科學和教育充滿熱情，也是Springboard教育平臺的數(shù)據(jù)科學導(dǎo)師，幫助從業(yè)者提高數(shù)據(jù)科學和機器學習等領(lǐng)域的技能。他還撰寫了多本關(guān)于R、Python、機器學習和數(shù)據(jù)分析的著作。此外，他還是相關(guān)書籍的技術(shù)審校者，并擔任Coursera的課程測試員。此外他還熱衷于研究新技術(shù)、金融市場、顛覆性初創(chuàng)企業(yè)、數(shù)據(jù)科學、人工智能和深度學習。Raghav Bali 英特爾公司的數(shù)據(jù)科學家，班加羅爾國際信息技術(shù)學院的信息技術(shù)碩士，致力于推動主動的、數(shù)據(jù)驅(qū)動的IT項目。他主要從事數(shù)據(jù)科學與分析、商業(yè)智能以及基于機器學習的可擴展解決方案開發(fā)等工作，還曾在一些全球領(lǐng)先的企業(yè)中從事過ERP和財務(wù)項目開發(fā)等工作。他也是一位技術(shù)愛好者，喜歡研究新工具和技術(shù)。他還著有關(guān)于R、機器學習和數(shù)據(jù)分析的著作。Tushar Sharma 英特爾公司的數(shù)據(jù)科學家，班加羅爾國際信息技術(shù)學院的信息技術(shù)碩士。他的工作涉及使用大量基礎(chǔ)結(jié)構(gòu)數(shù)據(jù)進行大規(guī)模開發(fā)分析的解決方案。他曾在金融領(lǐng)域工作，為知名金融公司開發(fā)可擴展的機器學習解決方案。他精通Python、R，以及Spark和Hadoop等大數(shù)據(jù)框架。他還著有關(guān)于R和社交媒體分析的著作。

圖書目錄

目錄
原書序言
原書前言
譯者簡介

第1部分　理解機器學習
第1章　機器學習基礎(chǔ) // 2
11　機器學習的需求 // 3
12　理解機器學習 // 6
13　計算機科學 // 12
14　數(shù)據(jù)科學 // 14
15　數(shù)學 // 15
16　統(tǒng)計學 // 20
17　數(shù)據(jù)挖掘 // 22
18　人工智能 // 22
19　自然語言處理 // 23
110　深度學習 // 24
111　機器學習方法 // 29
112　監(jiān)督學習 // 30
113　無監(jiān)督學習 // 33
114　半監(jiān)督學習 // 36
115　強化學習 // 37
116　批量學習 // 37
117　在線學習 // 38
118　基于實例的學習 // 38
119　基于模型的學習 // 39
120　CRISP-DM處理模型 // 39
121　構(gòu)建機器智能 // 45
122　真實案例研究：預(yù)測學生獲取推薦 // 47
123　機器學習的挑戰(zhàn) // 55
124　機器學習的現(xiàn)實應(yīng)用 // 55
125　總結(jié) // 56

第2章　 Python機器學習生態(tài)系統(tǒng) // 57
21　Python簡介 // 57
22　Python機器學習生態(tài)系統(tǒng)簡介 // 62
23　總結(jié) // 100

第2部分　機器學習流程
第3章　數(shù)據(jù)的處理、重整以及可視化 // 102
31　數(shù)據(jù)收集 // 103
32　數(shù)據(jù)描述 // 116
33　數(shù)據(jù)重整 // 117
34　數(shù)據(jù)匯總 // 128
35　數(shù)據(jù)可視化 // 130 36　
總結(jié) // 152

第4章　特征工程和特征選擇 // 153
41　特征：更好地理解你的數(shù)據(jù) // 154
42　重溫機器學習流程 // 155
43　特征提取和特征工程 // 156
44　數(shù)值型數(shù)據(jù)的特征工程 // 160
45　分類型數(shù)據(jù)的特征工程 // 174
46　文本型數(shù)據(jù)的特征工程 // 183
47　時態(tài)型數(shù)據(jù)的特征工程 // 193
48　圖像型數(shù)據(jù)的特征工程 // 197
49　特征縮放 // 211
410　特征選擇 // 214
411　特征降維 // 221
412　總結(jié) // 224

第5章　構(gòu)建、調(diào)優(yōu)和模型的部署 // 225
51　構(gòu)建模型 // 226
52　模型評估 // 239
53　模型調(diào)優(yōu) // 248
54　模型解釋 // 259
55　模型部署 // 265
56　總結(jié) // 267

第3部分　真實案例研究
第6章　共享單車趨勢分析 // 270
61　共享單車數(shù)據(jù)集 // 270
62　問題陳述 // 271
63　探索性數(shù)據(jù)分析 // 271
64　回歸分析 // 278
65　建模 // 280
66　下一步 // 291
67　總結(jié) // 292

第7章　電影影評的情感分析 // 293
71　問題陳述 // 294
72　設(shè)置依賴項 // 294
73　獲取數(shù)據(jù) // 295
74　文字的預(yù)處理與標準化 // 295
75　無監(jiān)督的以詞典為基礎(chǔ)的模型 // 298
76　使用監(jiān)督學習進行情感分類 // 306
77　傳統(tǒng)的有監(jiān)督的機器學習模型 // 308
78　較新的有監(jiān)督的深度學習模型 // 310
79　高級的有監(jiān)督的深度學習模型 // 316
710　分析情感的因果關(guān)系 // 323
711　總結(jié) // 332

第8章　顧客分類和有效的交叉銷售 /333/
81　在線零售交易記錄數(shù)據(jù)集 // 333
82　探索性數(shù)據(jù)分析 // 334
83　顧客分類 // 337
84　交叉銷售 // 350
85　總結(jié) // 361

第9章　分析酒的類型和質(zhì)量 // 362
91　問題陳述 // 362
92　設(shè)置依賴項 // 363
93　獲取數(shù)據(jù) // 363
94　探索性數(shù)據(jù)分析 // 364
95　預(yù)測建模 // 378
96　預(yù)測葡萄酒類型 // 379
97　預(yù)測葡萄酒質(zhì)量 // 385
98　總結(jié) // 397

第10章　分析音樂趨勢和推薦 // 398
101　百萬歌曲數(shù)據(jù)集品味畫像 // 398
102　探索性數(shù)據(jù)分析 // 399
103　推薦引擎 // 407
104　推薦引擎庫的注意事項 // 415
105　總結(jié) // 416

第11章　預(yù)測股票和商品價格 // 417
111　時序數(shù)據(jù)及時序分析 // 417
112　預(yù)測黃金價格 // 423
113　股票價格預(yù)測 // 432
114　總結(jié) // 445

第12章　計算機視覺深度學習 // 447
121　卷積神經(jīng)網(wǎng)絡(luò) // 447
122　使用 CNN進行圖像分類 // 448
123　使用 CNN的藝術(shù)風格轉(zhuǎn)換 // 457
124　總結(jié) // 467