機器學習算法原理與編程實踐 机器学习算法原理与编程实践
鄭捷
- 出版商: 電子工業
- 出版日期: 2015-10-01
- 定價: $528
- 售價: 8.5 折 $449
- 語言: 簡體中文
- 頁數: 432
- 裝訂: 平裝
- ISBN: 7121273675
- ISBN-13: 9787121273674
-
相關分類:
Machine Learning
-
相關翻譯:
今天不學機器學習，明天就被機器取代：從 Python 入手+演算法 (繁中版)
銷售排行:
👍 2016 年度 簡體中文書 銷售排行 第 9 名
立即出貨 (庫存=1)
買這商品的人也買了...
-
大話設計模式$620$490 -
$352機器學習實戰 -
超圖解 Arduino 互動設計入門, 2/e$680$578 -
ASP.NET MVC 5 網站開發美學$780$616 -
$281程序員修煉之道 ：從小工到專家 (The Pragmatic Programmer: From Journeyman to Master) -
R 軟體資料分析基礎與應用 (R for Everyone: Advanced Analytics and Graphics)$650$553 -
精通 Python｜運用簡單的套件進行現代運算 (Introducing Python: Modern Computing in Simple Packages)$780$616 -
完整學會 Git, GitHub, Git Server 的24堂課$360$284 -
$305圖解機器學習 -
iOS 9 App 程式設計實力超進化實戰攻略：知名iOS教學部落格AppCoda作家親授實作關鍵技巧讓你不NG (Beginning iOS 9 Programming with Swift)$690$538 -
$403機器學習 -
鳥哥的 Linux 私房菜－基礎學習篇, 4/e$980$774 -
職業駭客的告白 : 軟體反組譯、木馬病毒與入侵翻牆竊密$620$484 -
$202深度學習：方法及應用 -
Effective Modern C++：提昇 C++11 與 C++14 技術的 42個具體作法 (中文版)(Effective Modern C++: 42 Specific Ways to Improve Your Use of C++11 and C++14)$580$458 -
使用者故事對照 (User Story Mapping: Discover the Whole Story, Build the Right Product)$580$458 -
Python 程式設計實務－從初學到活用 Python 開發技巧的16堂課$560$437 -
超圖解物聯網 IoT 實作入門 － 使用 JavaScript/Node.JS/Arduino/Raspberry$699$552 -
Android 高效入門>>深度學習－使用 Android Studio 2 開發 Android 6.0 APP$650$507 -
讓響應式(RWD)網頁設計變簡單：Bootstrap開發速成 (附135分鐘專題影音教學)$420$332 -
深入理解機器學習：從原理到算法 (Understanding Machine Learning : From Theory to Algorithms)$474$450 -
大演算：機器學習的終極演算法將如何改變我們的未來，創造新紀元的文明？(The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World)$620$527 -
Python 機器學習 (Python Machine Learning)$580$452 -
今天不學機器學習，明天就被機器取代：從 Python 入手+演算法$590$502 -
$500NLP 漢語自然語言處理原理與實踐
相關主題
商品描述
<內容簡介>
鄭捷編著的《機器學習演算法原理與編程實踐》從結構上闡明瞭研究機器學習理論和演算法的方法：最重要的不是數學，也不是這些演算法本身，而是思想的發展過程，這與之前所有的書籍有所不同。全書分為三條主線：第一條主線是從第一代神經網絡（線性分類器）、第二代神經網絡（非線性）及其在預測領域的應用，到支持向量機，最後是深度學習；第二條主線是貝葉斯理論，從樸素貝葉斯演算法到貝葉斯網，最後是隱馬爾科夫模型，這部分屬於智能推理的範疇；第三條主線是矩陣降維、奇異值分解（SYD）和PCA演算法，因為演算法簡單，本書都使用真實案例進行講解。
目前機器學習主要由這三條主線貫穿始終，本書著力於講解三條主線的理論發展、思想變遷、數學原理，而具體演算法就是在其上的一顆顆明珠。希望讀者在學習完本書之後，能夠將機器學習的各種理論融會貫通。
<章節目錄>
第1章 機器學習的基礎
第2章 中文文本分類
第3章 決策樹的發展
第4章 推薦系統原理
第5章 梯度尋優
第6章 神經網絡初步
第7章 預測的技術與哲學
第8章 萬能分類器??支持向量機
第9章 人臉識別中的機器學習
第10章 認知計算與深度學習
第11章 概率圖模型與詞性標註
