登入帳戶　 |　訂單查詢　 |　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
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入   新用戶註冊

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

新書推薦： 《 棕榈油的全球史 ： 从奴隶船到购物篮 》 售價：NT$ 440.0 《 简帛时代与早期中国思想世界（上下册）（王中江著作系列） 》 售價：NT$ 1400.0 《 进化主义在中国的兴起（王中江著作系列） 》 售價：NT$ 950.0 《 不废风雅 生活的意趣（汪曾祺风雅意趣妙文） 》 售價：NT$ 280.0 《 东亚世界形成史论（新版） 》 售價：NT$ 490.0 《 奶奶的半个心愿 “课本里的作家” 中考热点作家孙道荣2024年全新散文集 》 售價：NT$ 190.0 《 天生坏种：罪犯与犯罪心理分析 》 售價：NT$ 445.0 《 新能源材料 》 售價：NT$ 290.0

編輯推薦： 读者对象：1、人工智能、大数据项目开发人员；2、Python、云和机器学习的初学者和高级技术人员；3、对人工智能、机器学习、云系统等主题及其融合感兴趣的读者。 1）交付型解决方案。在有限的成本、资源、技术条件下，完成能够交付于实际生产的解决方案，而不再追求人工智能项目的完美方案。通常，同类图书总是在介绍如何搭建完美系统，而忽略了项目的性价比和可实施性。 2）理念先进。引入了云服务器的概念，讲解如何利用Amazon、Google和Microsoft公司现有的强大云服务产品，构建各种实用的云端人工智能与机器学习系统。 3）案例丰富可操作。配备覆盖面极广的云端Python机器学习应用程序示例，使读者学会使用机器学习、人工智能和云计算工具。 4）实用性强。书中介绍的工作流程和案例涉及从部署到生产各个环节，清晰展现如何使用云提供商提供的现成解决方案进行业务开发。 5）易学、解释清晰。即使你没有坚实的数学、数据科学及人工智能背景知识，本书也能很好地引导你深入浅出地理解相关概念和各种工具。 內容簡介： 本书讲解Amazon、Google和Microsoft公司的强大云服务产品，以及Python数据科学生态系统的成熟技术，所介绍的工作流程和案例涉及从部署到生产各个环节，通过使用当代机器学习、人工智能和云计算工具逐步构建多种云端机器学习应用程序（覆盖体育、项目管理、产品定价、房地产等领域中的实际问题），帮助你构建可扩展并能交付于生产的解决方案。 通过本书，你将能够： 快速查看构建机器学习应用程序所需的Python代码。 掌握人工智能和机器学习工具链以及项目生命周期。 使用Python数据科学工具，包括IPython、Pandas、NumPy、Juypter Notebook和scikit-learn。 结合实用高效的反馈回路不断提高工作流程和系统的效率。 使用Google云平台产品，包括TPU处理器、Colaboratory合作实验工具及Datalab服务。本书讲解Amazon、Google和Microsoft公司的强大云服务产品，以及Python数据科学生态系统的成熟技术，所介绍的工作流程和案例涉及从部署到生产各个环节，通过使用当代机器学习、人工智能和云计算工具逐步构建多种云端机器学习应用程序（覆盖体育、项目管理、产品定价、房地产等领域中的实际问题），帮助你构建可扩展并能交付于生产的解决方案。 通过本书，你将能够： 快速查看构建机器学习应用程序所需的Python代码。 掌握人工智能和机器学习工具链以及项目生命周期。 使用Python数据科学工具，包括IPython、Pandas、NumPy、Juypter Notebook和scikit-learn。 结合实用高效的反馈回路不断提高工作流程和系统的效率。 使用Google云平台产品，包括TPU处理器、Colaboratory合作实验工具及Datalab服务。 定义AWS云AI工作流程，包括Spot实例、CodePipeline、Boto、无服务器、SageMaker等。 使用Microsoft Azure云AI API。 构建6个完整的交付型AI应用程序。 關於作者： 挪亚吉夫特 （Noah Gift） 加州大学戴维斯分校工商管理研究生院机器学习课程讲师，是AWS认证的架构师，也是AWS云端机器学习专家，长期为包括初创公司在内的企业提供机器学习、云架构和CTO级别的咨询服务。 ◆ 译者简介 ◆ 袁志勇 武汉大学人工智能研究院教授、博士生导师，中国计算机学会（CCF）高级会员，CCF虚拟现实与可视化专委会委员，中国人工智能学会（CAAI）高级会员，CAAI智能交互专委会委员。多年来一直从事人工智能与机器学习、虚拟现实与人机交互、嵌入式系统与智能硬件等方向的教学与研究工作。 目錄： 赞誉 译者序 前言 致谢 作者简介 第一部分　实用人工智能基础 第1章　实用人工智能简介2 1.1　Python功能介绍3 1.1.1　程序语句4 1.1.2　字符串和字符串格式化6 1.1.3　数字与算术运算8 1.1.4　数据结构10 1.1.5　函数12 1.2　在Python中使用控制结构19 1.2.1　for循环20 1.2.2　while循环21 1.2.3　ifelse语句21 1.2.4　生成器表达式22 1.2.5　列表推导式23 1.2.6　中级主题23 1.3　进一步思考26 第2章　人工智能与机器学习的工具链28 2.1　Python数据科学生态系统：IPython、Pandas、NumPy、Jupyter Notebook、scikit-learn29 2.2　R语言、RStudio、Shiny和ggplot30 2.3　电子表格：Excel和Google表格30 2.4　使用Amazon网络服务开发云端AI 31 2.5　AWS上的DevOps31 2.5.1　持续交付31 2.5.2　为AWS创建软件开发环境32 2.5.3　集成Jupyter Notebook38 2.5.4　集成命令行工具41 2.5.5　集成AWS CodePipeline44 2.6　数据科学中的基本Docker容器设置49 2.7　其他构建服务器：Jenkins、CircleCI、Codeship和Travis49 2.8　小结50 第3章　斯巴达式AI生命周期51 3.1　实用生产反馈回路52 3.2　AWS SageMaker55 3.3　AWS Glue反馈回路56 3.4　AWS批处理60 3.5　基于Docker容器的反馈回路62 3.6　小结64 第二部分　云端人工智能 第4章　使用Google云平台开发云端AI66 4.1　Google云平台概述67 4.2　Colaboratory合作实验工具68 4.3　Datalab数据处理工具70 4.3.1　使用Docker和Google容器注册表扩展Datalab70 4.3.2　使用Datalab启动强大的机器71 4.4　BigQuery云数据仓库73 4.5　Google云端AI服务76 4.6　云端TPU和TensorFlow79 4.7　小结82 第5章　使用Amazon Web服务开发云端AI 83 5.1　在AWS上构建增强现实和虚拟现实解决方案85 5.1.1　计算机视觉：带有EFS和Flask的ARVR管道86 5.1.2　带EFS、Flask和Pandas的数据工程管道88 5.2　小结102 第三部分　创建实际AI应用程序 第6章　预测社交媒体在NBA中的影响力104 6.1　提出问题104 6.2　收集具有挑战性的数据源123 6.2.1　收集运动员的Wikipedia页面访问量123 6.2.2　收集运动员的Twitter参与度129 6.2.3　探索NBA运动员数据132 6.3　NBA球员的无监督机器学习136 6.3.1　使用R语言对NBA球员执行分面聚类绘图136 6.3.2　汇总：球队、球员、影响力和广告代言138 6.4　更多的实际进阶与学习140 6.5　小结141 第7章　使用AWS创建智能的Slack机器人142 7.1　创建机器人142 7.2　将库转换为命令行工具143 7.3　使用AWS工作流服务将机器人提升到新水平145 7.4　获取IAM证书设置146 7.5　建立工作流155 7.6　小结157 第8章　从GitHub组织中寻找项目管理的思考158 8.1　软件项目管理问题综述158 8.2　开始创建数据科学项目框架160 8.3　收集和转换数据162 8.4　与GitHub组织交流164 8.5　创建特定领域的统计信息165 8.6　将数据科学项目连接到CLI客户端167 8.7　使用Jupyter Notebook探索GitHub 组织169 8.8　查看CPython项目中的文件元数据171 8.9　查看CPython项目中的已删除文件174 8.10　将项目部署到Python包索引库177 8.11　小结179 第9章　动态优化基于AWS的弹性计算云（EC2）实例181 9.1　在AWS上运行作业181 9.1.1　EC2 Spot实例181 9.1.2　Spot实例理论和定价历史182 9.1.3　编写Spot实例启动程序191 9.1.4　编写更复杂的Spot实例启动程序196 9.2　小结197 第10章　房地产数据研究199 10.1　美国房地产价值探索199 10.2　Python中的交互式数据可视化201 10.3　规模等级和价格聚类203 10.4　小结209 第11章　用户生成内容的生产环境AI211 11.1　Netflix奖未在生产中实施212 11.2　推荐系统的基本概念213 11.3　在Python中使用Surprise 框架213 11.4　推荐系统的云解决方案216 11.5　推荐系统的实际生产问题216 11.6　云端自然语言处理和情绪分析221 11.6.1　 Azure上的NLP221 11.6.2　GCP上的NLP224 11.6.3　AWS上的生产型无服务器NLP AI管道227 11.7　小结233 附录A　AI加速器234 附录B　聚类大小的选择236 內容試閱： ◆译者序 ◆ 本书适合作为人工智能、计算机、电子信息、自动化等专业高校学生了解云端机器学习的教材或实践指南，也适用于对人工智能、机器学习、云系统等主题及其融合感兴趣的读者。本书不仅适用于初学者，对于专业人士，也是一本不可多得的云端机器学习实用指南。 本书将人工智能与机器学习、云系统完美结合，这是十分鲜有的。即使读者没有坚实的数学、数据科学及人工智能背景知识，本书也能很好地引导读者深入浅出地理解相关概念和各种工具，并使读者从阅读和实践中获益。本书配有丰富的云端Python机器学习应用程序完整示例，这些应用程序极具实用性和可操作性。通过学习本书，借助AWS、Azure或GCP及书中的应用程序框架，读者就能构建出各种实用的云端人工智能与机器学习系统。 本书由武汉大学人工智能研究院袁志勇教授翻译，上海万达信息技术有限公司袁田琛工程师，以及江雪、罗夕安、张娜参与了本书初稿翻译，袁田琛工程师参与了本书审校，最后由袁志勇教授对全书进行润色和统稿。 本书中文版能够在国内出版，机械工业出版社的编辑投入了大量工作，在此表示感谢！ 本书内容广泛，涉及人工智能、机器学习、云系统及其融合，限于译者水平，翻译过程中难免存在错误和不妥之处，恳请各位专家和广大读者批评指正。 袁志勇 2020年2月 ◆ 前言◆ 大约20年前，我在帕萨迪纳市的加州理工学院（Caltech）工作，梦想有朝一日每天都与人工智能（AI）打交道。21世纪初，对AI感兴趣的人并不多。尽管如此，我还是在这里开始与AI相伴，而本书的编写将我对AI和科幻小说的长期迷恋推向了高潮。在加州理工学院期间，我很幸运地接触了AI领域的一些顶尖人物，毫无疑问，这段经历让我走上了写作本书的道路。 然而，除了AI之外，我还迷恋自动化和实用主义。本书也包含一些这方面的主题。作为一名经验丰富的管理者，不断推出产品并在糟糕、无用的技术环境中生存的经历，让我变得更加务实。若技术未部署到生产环境，就不算数；若产品非自动，就不完整。希望本书能启发他人分享我的观点。 目标读者 本书适用于对AI、机器学习、云及其融合感兴趣的读者。程序员和非程序员都能从本书获取有价值的宝贵知识。在NASA、PayPal以及加州大学戴维斯分校举办的研讨会上，许多与我互动过的学生都能以有限的或极少的编程经验来吸收、借鉴这些观点或知识。本书大量使用Python编程案例，如果你是编程新手，Python是一种最理想的语言。 与此同时，本书还涵盖许多高级主题，如使用云计算平台（即AWS、GCP和Azure）以及实施机器学习与AI编程。对于精通Python、云和机器学习的高级技术人员来说，本书的许多有用思路可直接移植到当前工作之中。 本书组织结构 本书分为三个部分：第一部分是实用人工智能基础，第二部分是云端人工智能，第三部分是创建实际AI应用程序。 第一部分（第1～3章）介绍Python及AI的基础知识。 第1章是本书概览和Python快速教程，并提供了足够的背景知识让读者了解Python的一些基本应用。 第2章介绍数据科学项目中系统构建、命令行和Jupyter Notebook的生命周期。 第3章将实际生产反馈回路引入项目之中，并介绍了Docker、AWS SageMaker以及TensorFlow处理单元（TPU）等工具和框架。 第二部分（第4章和第5章）介绍AWS和Google云。 第4章介绍Google云平台（GCP）及其提供的一些独特、开发者友好的产品，还讨论了TPU、Colaboratory合作实验工具和Datalab数据处理工具等服务。 第5章深入介绍AWS上的工作流，如Spot实例、CodePipeline、使用和测试Boto以及这些服务的高级概览。 第三部分（第6～11章）讨论实际的AI应用及一些示例。 第6章介绍初创公司的业务和大数据等主题，包括：什么因素影响了球队价值？获胜是否能给比赛带来更多的球迷？薪水是否与社交媒体表现相关？ 第7章介绍如何创建一个无服务器的聊天机器人，该机器人从网站抓取数据并向Slack机器人母公司提供摘要信息。 第8章研究一种常见行为数据源GitHub元数据，使用Pandas、Jupyter Notebook和click命令行工具挖掘行为数据。 第9章介绍将 AWS作业转换为使用机器学习技术来优化定价的可能性。 第10章使用机器学习和交互式绘图技术研究美国房价。 第11章讨论如何使用AI与用户生成的内容进行交互，包括情绪分析和推荐引擎等主题。 附录A讨论专门为运行AI工作负载而设计的硬件芯片，给出一个来自Google的TPU的AI加速器示例。 附录B讨论聚类大小的选择应被看作一项更艺术而非科学的活动（尽管有些技术可以使决策过程更加清晰）。 示例代码 贯穿本书，每章都配套有一个或多个Jupyter Notebook应用示例。这些Notebook应用示例是在我过去几年的文章、研讨班或课程的基础上开发的。 说明 本书所有源代码示例（Jupyter Notebook文件格式）都可以在https：github.comnoahgift pragmaticai 网站上找到。 另外，书中许多示例还包括下面这样的Makefile文件。 Makefile文件是编排Python语言或R语言中数据科学项目的不同方面的很好方式。值得注意的是，这些文件还可用于设置环境、通过lint检测源码、运行测试和部署代码。此外，像virtualenv这样独立环境的使用确实能消除一大堆问题。令人奇怪的是，我遇到的很多学生都存在下面的共性问题：他们在一个Python解释器中安装了某个工具却使用了另一个工具，或者，由于两个包彼此冲突而导致无法正常工作。 一般来说，该问题的解决之道是为每个项目使用一个虚拟环境，并在处理该项目时始终选择该环境。细微的项目规划对防止将来出现问题大有裨益，Makefile、lint检测、Jupyter Notebook测试、SaaS构建系统以及单元测试都是推荐使用的最佳实践。 致谢 Acknowledgements 非常感谢Laura Lewin给予我与Pearson及其团队成员Malobika Chakraborty和Sheri Replin合作出版本书的机会。此外，还要感谢三位技术审稿人：Chao-Hsuan Shen （https：www.linkedin.cominlucashsuan）、Kennedy Behrman （https：www.linkedin.cominkennedybehrman）和Amazon公司的Guy Ernest（https：www.linkedin.cominguyernest）。他们为本书达到一流品质发挥了重要作用。 感谢加州理工学院（Caltech）。我在Caltech工作时就对AI产生了兴趣，当时正值21世纪初的AI萧条期。虽然Caltech的一位教授告诉我探索AI是浪费时间，但我仍然想着手研究它。后来，我为自己设定了一个目标，即在40岁左右就能进行出色的AI编程并精通几种编程语言，事实上这一目标已实现。感谢此教授告诉我不能做某事，这对我一直是很大的刺激！ 我在Caltech也遇到过一些很有影响力的人，包括神经生理学家Joseph Bogen博士，他也是意识理论方面的专家。我们经常在晚餐时交谈神经网络、意识的起源、微积分以及他在Christof Koch实验室所从事的工作。他对我的影响远远不止于生活，毫不夸张地说，我现在研究的神经网络部分应归功于我们18年前的晚餐交谈。 在加州理工学院遇到的其他人虽然与我互动不多，但他们仍对我产生了一定的影响，包括David Baltimore博士（我以前的老板）、David Goodstein博士（我以前的老板）、李飞飞博士以及Titus Brown 博士（他让我沉迷于Python）。 体育和运动训练一直在我的人生中发挥着巨大作用。有一段时间，我很认真地打职业篮球赛，参加田径甚至是极限飞盘比赛。在圣路易斯奥比斯波的加州州立理工大学，我遇到了奥运会十项全能运动员Sheldon Blockburger，他教我如何在27秒内完成200米冲刺跑（跑后间歇300米），总共完成8次，直到我厌倦。我还记得他说过：只有不到1％的人拥有保持这种锻炼的自制力。这种自律训练在我作为软件工程师的职业生涯中发挥了巨大作用。 我一直热衷于与世界级运动员在一起，因为他们积极乐观、有激情和赢得胜利的意愿。过去几年在加州旧金山的Empower体育馆锻炼期间，我偶然发现了巴西柔术（BJJ）。那里的Tareq Azim、Yossef Azim和Josh McDonald等教练促使我像斗士一样去思考。特别是，从事多项体育项目的世界级运动员Josh McDonald一直是我获得灵感的源泉，他的各种高难度训练激励我完成了本书撰写。我极力向旧金山湾区的技术专业人士推荐这家体育馆和这些教练。 我还结识了很多武术界人士，比如Dave Terrell，他在Santa Rosa经营着一家名为NorCal Fight Alliance的武术馆。我和Dave Terrell、Jacob Hardgrove、Collin Hart、Justin Sommer等一起在这里训练，他们无私地分享了他们的武术知识和思想。生活中没有什么比日复一日地经历一遍又一遍240磅的黑带锻炼更具有挑战性了。这种经历对我承受编写本书的压力提供了很大帮助。我很幸运能在这家武术馆训练，因此我也强烈推荐旧金山湾区的技术专业人士去这家武术馆锻炼。 谈到巴西柔术，还要感谢Maui Jiu Jitsu学院对我写作本书所提供的灵感。2018年休假期间我曾思考下一步要做什么，并接受该学院Luis Heredia教授和Joel Bouhey的柔术训练。他们都是很棒的老师，与他们在一起的这段经历使我决定写作本书。 感谢TensorFlow框架的产品经理Zak Stone，他让我提早试用了TPU处理器并就GCP为我提供帮助。感谢AWS的Guy Ernest就AWS服务提供建议。感谢Microsoft的Paul Shealy就Azure云提供建议。 我要感谢的另一所学校是加州大学戴维斯分校。我于2013年在该校获得MBA学位，这对我的人生产生了很大影响。我在这里遇到过一些极为出色的教授，比如David Woodruff博士教会我用Python编写优化类的程序并帮助我编写了功能强大的Pyomo库。还要感谢我的良师益友Dickson Louie教授，感谢Hemant Bhargava博士给了我在加州大学戴维斯分校教授机器学习的机会。非常感激Norm Matloff博士无私地帮助我提高机器学习和统计能力。还要感谢我教授过的工商管理硕士（MSBA）BAX-452班的学生试用本书内容，感谢MSBA的工作人员Amy Russell和Shachi Govil。另一位要感谢的朋友是Mario Izquierdo（https：github.commarioizquierdo），他是一位才华横溢的开发人员，并且非常擅长围绕实际部署提出编程思想。 最后感谢创业初期帮助过我的两位朋友Jerry Castro （https：www.linkedin.cominjerry-castro-4bbb631）和Kennedy Behrman （https：www.linkedin.cominkennedybehrman），他们可靠、勤奋且适应力强。本书大部分实例程序是我们在一家创业公司并肩作战开发出来的，但这家公司仍以失败告终。正是这种经历揭示了每个人的真实性格，我很荣幸成为他们的同事和朋友。 About the Author 作 者 简 介 Noah Gift是加州大学戴维斯分校研究生院工商管理硕士项目讲师及顾问。他讲授研究生机器学习课程，为学生和教师提供机器学习和云架构方面的咨询。他发表了近100篇技术出版物，包括云端机器学习和开发运维专题方面的两本书籍。Gift是拥有AWS认证的解决方案架构师，同时也是AWS云端机器学习专家，他帮助创建了AWS云端机器学习专业方向的认证。Gift曾获得加州大学戴维斯分校工商管理硕士学位、加州州立大学洛杉矶分校计算机信息系统硕士学位以及圣路易斯奥比斯波的加州州立理工大学营养科学学士学位。 Noah Gift有近20年Python职业编程经验，是Python软件基金会会士。他曾担任CTO、总经理、咨询CTO和云架构师等职位，也有在ABC、加州理工学院、Sony图像工作室、Disney动画、Weta数码、AT&T、Turner工作室和Linden实验室等多家机构从业的经历。在过去10年中，他负责了多家公司的新产品发布，这些新产品在全球范围内创造了数百万美元收益。目前，他是Pragmatic AI Labs公司创始人，该公司旨在为初创公司等提供机器学习、云架构和CTO级别的咨询服务。

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	台灣用户　|　香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.