出现在书名中的结果
共 0 条
机器学习应用实战/大数据与人工智能技术丛书
《机器学习应用实战/大数据与人工智能技术丛书》特点： 以问题为导向，详细讲解基础知识点与算法的演练。 机器学习实战案例丰富，涵盖15个完整项目案例。 代码详尽，避免对API的形式展示，规避重复代码。 语言简明易懂，轻松学会Python机器学习常见算法。 各个算法相对独立，便于读者理解和掌握数学原理。 《机器学习应用实战/大数据与人工智能技术丛书》将基础理论和案例实战相结合，循序渐进地介绍了关于机器学习领域中的经典和流行算法，全面、系统地介绍了使用Python实现机器学习算法，并通过PyTorch框架实现机器学习算法中的深度学习内容。 《机器学习应用实战/大数据与人工智能技术丛书》首部分为基础篇，包括第1－8章，系统地介绍了机器学习基础、数据预处理、简单分类算法、决策树、支持向量机、回归分析、聚类分析、神经网络与多层感知机；第二部分为综合篇，包括第9～12章，介绍了CNN、RNN、GNN及GAN等经典深度学习方法及其在计算机视觉与自然语言处理领域中的应用实践；第三部分为拓展篇，包括第13～15章，以百度飞桨和旷视天元为例介绍了具有代表性的国产开源框架及其应用案例，最后简要介绍了国内外两个主流机器学习竞赛平台。 《机器学习应用实战/大数据与人工智能技术丛书》主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员，从事高等教育的专任教师，高等学校的在读学生及相关领域的科研人员。
MLOps实战：机器学习模型的开发、部署与应用
1人今日阅读
本书分为三部分。第1部分介绍MLOps主题，深入探讨了它是如何（以及为什么）发展成一门学科的、需要谁参与才能成功执行MLOps以及需要哪些组成部分。 第二部分介绍了机器学习模型的生命周期，其中包括有关模型开发、生产准备、生产部署、监测和治理的章节。这些章节不仅包括一般的注意事项，还包括MLOps生命周期每个阶段的注意事项，并提供第3章中所涉及主题相关的更多详细信息。 第三部分提供了MLOps的具体示例，以便读者了解MLOps在实践中的设置和含义。
1
机器学习实战：模型构建与应用
1人今日阅读
本书主要包括两部分。第1部分（第1章-第11章）讲解了如何使用TensorFlow来创建不同应用场景的机器学习模型。该部分介绍TensorFlow、计算机视觉、自然语言处理和序列建模。第二部分（第12章-第20章）将引导你了解如何将模型置于Android和iOS上的用户手中、使用JavaScript的浏览器以及通过云提供服务的场景。
1
机器学习技术与实战:医学大数据深度应用
本书作者是大数据深度分析技术资深专家，有二十余年数据仓库、数据挖掘、机器学习、人工智能等方面的研发和应用经验。他结合自己多年的行业经历，总结了机器学习在实际工程中的应用经验，特别是在医学大数据领域的应用经验，提供了大量一线资料。本书共8章，主要内容包括：第1章介绍机器学习应用的基础内容，快速引领读者进入机器学习领域。第2章介绍机器学习应用活动的前期工作，即数据探索的工作和数据准备工作，包括数据关系探索、数据特征探索、数据选择、数据处理。第3章介绍机器学习的算法，从实际应用出发，介绍一些比较经典的算法，以及一些算法流程，包括聚类分析、特性选择、特征抽取、关联规则、分类和预测、时间序列、深度学习等。第4章介绍如何将算法用到商业应用的案例，如特性选择模型的应用、分类模型的应用等。第5章介绍智能医学科研系统IMRS的设计思路与步骤，包括从应用需求的产生、解决思路、系统设计、应用实现、效果评价与总结等完整过程，具体剖析IMRS的几个重要模块的开发方法，包括异常侦测模型、特征抽取模型，以及算法开发。第6章介绍如何使用机器学习系统IMRS，介绍了几个方向的应用，如分布探索、关系探索、特征探索、异常探索、推测探索灯。第7章继续介绍如何使用机器学习系统IMRS。包括文本挖掘技术、文本数据挖掘在医学上的应用、文本分词的实现、文本智能搜索、文本聚类与分类的应用、文本主题提取应用。第8章介绍智能医学诊断系统的设计思路与应用展望，还介绍了混沌人工智能的概念以及解决复杂问题的思路。