☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

“这本书介绍机器学习与资料科学，联结工程师与资料科学家，协助将相关技术应用在实务，确保你的投入能真正解决问题，以及提供实际应用时的最佳化技巧。”-摘自系列编辑Paul Dix的序

　　成功资料科学专案的实务技巧

　　本书是资料科学与机器学习从业者解决实务问题技术的速成课。作者Andrew与Adam展示如何快速的产出重要结果；持续让投资报酬率最大化；避免过度期待的工具与不必要的复杂性；以最简单、最低风险的方式完成工作。

　　作者以丰富的经验帮助你提出实用并完整的执行方案，透过直接查询、聚合、视觉化进行工作，教授不可或缺的错误分析方法以避免错误的结论。内容涵盖了线性回归、分类、聚类、贝叶斯推理等机器学习技术，帮助你为每个专案选择正确的演算法。有关硬体、基础设施、分散式系统的结论为实务环境最佳化提供宝贵的参考指南。

　　‧利用敏捷方法聚焦于专案的小范围与有效开发
　　‧以Python实务范例学习
　　‧由简单的启发开始，随着资料管道的成熟而改善
　　‧以基本的资料视觉化技术展示成果
　　‧掌握线性廻归、随机森林、分类、群集、过适等关键机器学习技术
　　‧学习基本图模型与贝叶斯推断
　　‧认识机器学习模型中的关联与因果

作者简介

Andrew Kelleher

　　是Venmo的软体工程师与分散式系统架构师，曾经任职于BuzzFeed，负责资料管道与演算法实作的最佳化。

Adam Kelleher

　　在担任BuzzFeed的首席资料科学家与哥伦比亚大学的兼任教授时写作本书。他于2018年五月担任Barclays的首席资料科学家并在哥大教授因果论与机器学习。
 

序
前言
关于作者
 
【PART I基本结构】
chapter 01资料科学家的角色
1.1 介绍
1.2 资料科学家的角色
1.3 结论
 
chapter 02专案工作流程
2.1 介绍
2.2 资料团队背景
2.3 敏捷开发与产品专注
2.4 结论
 
chapter 03误差量化
3.1 介绍
3.2 量化测量值误差
3.3 採样误差
3.4 误差传播
3.5 结论
 
chapter 04资料编码与预处理
4.1 介绍
4.2 简单文字处理
4.3 资讯损失
4.4 结论
 
chapter 05假设检定
5.1 介绍
5.2 何谓假设？
5.3 误差类型
5.4 P 值与信赖区间
5.5 多重测试与 "P-hacking"
5.6 范例
5.7 规划与背景
5.8 结论
 
chapter 06资料视觉化
6.1 介绍
6.2 分佈与摘要统计
6.3 时间序列图
6.4 图视觉化
6.5 结论
 
【PART II 演算法与架构】
chapter 07演算法与架构
7.1 介绍
7.2 架构
7.3 模型
7.4 结论
 
chapter 08比较
8.1 介绍
8.2 Jaccard 距离
8.3 MinHash
8.4 Cosine 相似度
8.5 马氏距离
8.6 结论
 
chapter 09回归
9.1 介绍
9.2 线性最小平方
9.3 线性回归的非线性回归
9.4 随机森林
9.5 结论
 
chapter 10分类与群集
10.1 介绍
10.2 逻辑回归
10.3 贝叶斯推论，单纯贝叶斯
10.4 K 平均
10.5 领先特征向量
10.6 贪婪 Louvain
10.7 最近邻居
10.8 结论
 
chapter 11贝叶斯网路
11.1 介绍
11.2 因果图、条件独立、Markovity
11.3 D 分离与 Markov 性质
11.4 贝叶斯网路因果图
11.5 模型适配
11.6 结论
 
chapter 12降维与潜在变项模型
12.1 介绍
12.2 先验
12.3 因素分析
12.4 主成分分析
12.5 独立成分分析
12.6 隐含狄利克雷分布
12.7 结论
 
chapter 13因果推论
13.1 介绍
13.2 实验
13.3 观察：一个例子
13.4 控制阻断非因果路径
13.5 机器学习估计量
13.6 结论
 
chapter 14进阶机器学习
14.1 介绍
14.2 最佳化
14.3 神经网路
14.4 结论
 
【PART III 瓶颈与最佳化】
chapter 15硬体基础知识
15.1 介绍
15.2 随机存取记忆体
15.3 非挥发性/固定储存
15.4 吞吐量
15.5 处理器
15.6 结论
 
chapter 16软体基础知识
16.1 介绍
16.2 换页
16.3 编索引
16.4 颗粒度
16.5 强固性
16.6 撷取、转换、载入
16.7 结论
 
chapter 17软体架构
17.1 介绍
17.2 主从架构
17.3 N 层/服务导向架构
17.4 微服务
17.5 一大块
17.6 实际案例（混合架构）
17.7 结论
 
chapter 18CAP 定理
18.1 介绍
18.2 一致性/同时性
18.3 可用性
18.4 分割容错
18.5 结论
 
chapter 19逻辑网路拓扑节点
19.1 介绍
19.2 网路图
19.3 负载平衡
19.4 快取
19.5 资料库
19.6 伫列
19.7 结论
 
参考书目
索引
 

None

机器学习实务：资料科学工作流程与应用程式开发及最佳化 电子书 下载 mobi epub pdf txt 2024

类似图书 点击查看全场最低价

查看全网最低价