具体描述
机器学习需要一条脱离过高理论门槛的入门之路。本书绕过理论障碍，打通了一条由浅入深的机器学习之路。丰富的实战案例讲解，介绍如何将机器学习技术运用到股票量化交易、图片渲染、图片识别等领域。
本书包含两部分：机器学习篇和深度学习篇。
机器学习篇，主要从零开始，介绍什么是资料特征、机器学习模型，如何训练模型、侦错模型，以及如何评估模型的成绩。透过一些简单的工作实例，说明在使用模型时如何分析并处理工作资料的特征，如何组合多个模型共同完成工作，并尝试将机器学习技术运用到股票交易中，重复熟悉这些技术的同时，感受机器学习技术在落实到专业领域时常犯的错误。
深度学习篇，则主要介绍一些很基础的深度学习模型，如DNN、CNN 等，简单涵盖一些RNN 的概念描述。我们更关注模型的直观原理和背后的生物学设计理念，希望读者能够带着这些了解，直接上手应用深度学习架构。
本书适合有Python程式设计能力的读者。如果读者有简单的数学基础，了解机率、矩阵则更佳。使用过Numpy、pandas 等资料处理工具的读者读起来也会更轻松，但这些都不是必需的。
本书所附程式可在www.topteam.cc 佳魁官网下载
本书包含两部分：机器学习篇和深度学习篇。
机器学习篇，主要从零开始，介绍什么是资料特征、机器学习模型，如何训练模型、侦错模型，以及如何评估模型的成绩。透过一些简单的工作实例，说明在使用模型时如何分析并处理工作资料的特征，如何组合多个模型共同完成工作，并尝试将机器学习技术运用到股票交易中，重复熟悉这些技术的同时，感受机器学习技术在落实到专业领域时常犯的错误。
深度学习篇，则主要介绍一些很基础的深度学习模型，如DNN、CNN 等，简单涵盖一些RNN 的概念描述。我们更关注模型的直观原理和背后的生物学设计理念，希望读者能够带着这些了解，直接上手应用深度学习架构。
本书适合有Python程式设计能力的读者。如果读者有简单的数学基础，了解机率、矩阵则更佳。使用过Numpy、pandas 等资料处理工具的读者读起来也会更轻松，但这些都不是必需的。
本书所附程式可在www.topteam.cc 佳魁官网下载
著者信息
作者简介
阿布
多年互联网金融技术经验，曾就职于奇虎360、百度互联网证券、百度金融等互联网型金融公司，现为自由职，个人量化交易者，擅长个人中小资金量化交易领域系统开发，以及为中小型量化私募资金提供技术解决方案、技术支援、量化培训等工作。|
胥嘉幸
北京大学硕士，先后任职百度金融证券、百度糯米搜索部门。致力于大数据机器学习方面的研究，有深厚的数学功底和理论支撑。将机器学习技术融于传统金融量化领域方面颇有研究。
阿布
多年互联网金融技术经验，曾就职于奇虎360、百度互联网证券、百度金融等互联网型金融公司，现为自由职，个人量化交易者，擅长个人中小资金量化交易领域系统开发，以及为中小型量化私募资金提供技术解决方案、技术支援、量化培训等工作。|
胥嘉幸
北京大学硕士，先后任职百度金融证券、百度糯米搜索部门。致力于大数据机器学习方面的研究，有深厚的数学功底和理论支撑。将机器学习技术融于传统金融量化领域方面颇有研究。
图书目录
前言
第一篇 机器学习篇
第1章 初识机器学习
1.1 机器学习——指定机器「学习」的灵魂
1.2 KNN——相似的邻居请投票
1.3 逻辑分类I：线性分类模型
1.4 逻辑分类II：线性分类模型
第2章 机器学习进阶
2.1 特征工程
2.2 侦错模型
2.3 分类模型评估指标
2.4 回归模型
2.5 决策树模型
2.6 模型融合
第3章 实战：股票量化
3.1 第一步：建置童话世界
3.2 第二步：应用机器学习
3.3 第三步：在真实世界应用机器学习
第二篇 深度学习篇
第4章 深度学习：背景和工具
4.1 背景
4.2 深度学习架构简介
4.3 深度学习架构快速上手
4.4 Caffe 实现逻辑分类模型
第5章 深层学习模型
5.1 解密生物智慧
5.2 DNN神经网路模型
5.3 神经元的深层网路结构
5.4 典型的DNN 深层网路模型：MLP
5.5 Caffe 实现MLP
第6章 学习空间特征
6.1 前置处理空间资料
6.2 描述图片的空间特征：特征图
6.3 CNN 模型I：旋积神经网路原理
6.4 CNN 模型II：图片识别
6.5 CNN 的实现模型
6.6 微训练模型（Fine-Tuning）
第7章 Caffe 实例：狗狗品种辨别
7.1 准备图片资料
7.2 训练模型
7.3 使用产生的模型进行分类
第8章 漫谈时间序列模型
8.1 Embedding
8.2 输出序列的模型
8.3 深度学习：原理篇归纳
第9章 用深度学习做个艺术画家：模仿实现prisma
9.1 机器学习初探艺术作画
9.2 实现秒级艺术作画
附录A 机器学习环境部署
附录B 深度学习环境部署
附录C 随书程式执行环境部署
第一篇 机器学习篇
第1章 初识机器学习
1.1 机器学习——指定机器「学习」的灵魂
1.2 KNN——相似的邻居请投票
1.3 逻辑分类I：线性分类模型
1.4 逻辑分类II：线性分类模型
第2章 机器学习进阶
2.1 特征工程
2.2 侦错模型
2.3 分类模型评估指标
2.4 回归模型
2.5 决策树模型
2.6 模型融合
第3章 实战：股票量化
3.1 第一步：建置童话世界
3.2 第二步：应用机器学习
3.3 第三步：在真实世界应用机器学习
第二篇 深度学习篇
第4章 深度学习：背景和工具
4.1 背景
4.2 深度学习架构简介
4.3 深度学习架构快速上手
4.4 Caffe 实现逻辑分类模型
第5章 深层学习模型
5.1 解密生物智慧
5.2 DNN神经网路模型
5.3 神经元的深层网路结构
5.4 典型的DNN 深层网路模型：MLP
5.5 Caffe 实现MLP
第6章 学习空间特征
6.1 前置处理空间资料
6.2 描述图片的空间特征：特征图
6.3 CNN 模型I：旋积神经网路原理
6.4 CNN 模型II：图片识别
6.5 CNN 的实现模型
6.6 微训练模型（Fine-Tuning）
第7章 Caffe 实例：狗狗品种辨别
7.1 准备图片资料
7.2 训练模型
7.3 使用产生的模型进行分类
第8章 漫谈时间序列模型
8.1 Embedding
8.2 输出序列的模型
8.3 深度学习：原理篇归纳
第9章 用深度学习做个艺术画家：模仿实现prisma
9.1 机器学习初探艺术作画
9.2 实现秒级艺术作画
附录A 机器学习环境部署
附录B 深度学习环境部署
附录C 随书程式执行环境部署
图书序言
图书试读
None
用户评价
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版权所有