|
| 編輯推薦： |
|
近些年机器学习发展迅猛，早已从科研领域延伸到了商业领域，新技术和新应用不断涌现，其中Python语言光芒难掩。越来越多的开发者和研究人员选择了Python，Python也助推了机器学习和数据科学的发展。 本书是基于Python的机器学习指南，全面介绍了各种强大的机器学习技术，不仅清晰阐释了基本的算法和概念，而且运用丰富的Python代码示例展示了各种复杂算法的实现与应用，此外还介绍了如何使用流行的机器学习库和框架。对于想要了解数据科学领域中的新进展，以提高自身技能的Python开发人员、分析师和数据科学家来说，本书值得一读。 - 利用无监督学习技术识别数据集的内在模式与结构 - 掌握受限玻尔兹曼机和深度信念网络的工作原理 - 使用堆叠降噪自编码机构建深度架构 - 应用卷积神经网络解决图像分类问题 - 学习CPLE、自学习和S3VM等半监督学习技术 - 运用强大的特征工程技术提升模型性能 - 使用集成技术提升深度学习模型的效率 - 介绍Lasagne、TensorFlow等机器学习工具
|
| 內容簡介： |
|
Python是杰出的脚本语言，在速度、安全性和可扩展性等方面表现出众。在机器学习领域，越来越多的从业者也选择使用易于上手、功能强大的Python语言。本书依次介绍无监督机器学习、深度信念网络、堆叠式降噪自编码机、卷积神经网络、半监督学习技术、文本特征工程，模型集成方法，以及其他一些实用的Python机器学习工具。除了理论知识与代码实现，本书还细致讲解了分析和解决问题的思路，极具启发性。
|
| 關於作者： |
|
约翰哈蒂（John Hearty），数据科学家，数据科学和架构工程领域咨询专家，曾为微软、世嘉等公司提供咨询服务，致力于将机器学习前沿技术付诸实践，热衷于用Python构建机器学习解决方案。现任职于NuData Security公司。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
