人工智能
类型
7.4
豆瓣评分
可以朗读
语音朗读
168千字
字数
2019-08-01
发行日期
展开全部
主编推荐语
《本书全面解析机器学习，助力产品经理沟通与应用》
内容简介
本书在内容上尽可能地涵盖了主流机器学习算法的基础知识。通过学习本书，产品经理能够掌握机器学习的基本流程、主流算法的核心思想与实现逻辑，为与技术人员沟通打下坚实基础。同时，书中将介绍作者对算法与产品方法论结合的思考，让产品经理能更好地理解机器学习算法，并且在工作中运用。
目录
- 封面
- 作者简介
- 扉页
- 版权信息
- 名家好评
- 前言
- 目录
- 1 机器学习入门
- 1.1 什么是机器学习
- 1.1.1 人类学习VS机器学习
- 1.1.2 机器学习三要素
- 1.2 什么问题适合用机器学习方法解决
- 1.2.1 必备条件
- 1.2.2 机器学习可解决的问题
- 1.3 机器学习的过程
- 1.3.1 机器学习的三个阶段
- 1.3.2 模型的训练及选择
- 1.4 机器学习的类型
- 1.4.1 有监督学习
- 1.4.2 无监督学习
- 1.4.3 半监督学习
- 1.4.4 强化学习
- 1.5 产品经理的经验之谈
- 2 数据的准备工作
- 2.1 数据预处理
- 2.1.1 为什么要做数据预处理
- 2.1.2 数据清洗
- 2.1.3 数据集成
- 2.1.4 数据变换
- 2.1.5 数据归约
- 2.2 特征工程
- 2.2.1 如何进行特征工程
- 2.2.2 特征构建
- 2.2.3 特征提取
- 2.2.4 特征选择
- 2.3 产品经理的经验之谈
- 3 了解你手上的数据
- 3.1 你真的了解数据吗
- 3.1.1 机器学习的数据统计思维
- 3.1.2 数据集
- 3.1.3 数据维度
- 3.1.4 数据类型
- 3.2 让数据更直观的方法
- 3.2.1 直方图
- 3.2.2 散点图
- 3.3 常用的评价模型效果指标
- 3.3.1 混淆矩阵
- 3.3.2 准确率
- 3.3.3 精确率与召回率
- 3.3.4 F值
- 3.3.5 ROC曲线
- 3.3.6 AUC值
- 3.4 产品经理的经验之谈
- 4 趋势预测专家：回归分析
- 4.1 什么是回归分析
- 4.2 线性回归
- 4.2.1 一元线性回归
- 4.2.2 多元线性回归
- 4.3 如何评价回归模型的效果
- 4.4 逻辑回归
- 4.4.1 从线性到非线性
- 4.4.2 引入Sigmoid函数
- 4.5 梯度下降法
- 4.5.1 梯度下降原理
- 4.5.2 梯度下降的特点
- 4.6 产品经理的经验之谈
- 5 最容易理解的分类算法：决策树
- 5.1 生活中的决策树
- 5.2 决策树原理
- 5.3 决策树实现过程
- 5.3.1 ID3算法
- 5.3.2 决策树剪枝
- 5.4 ID3算法的限制与改进
- 5.4.1 ID3算法存在的问题
- 5.4.2 C4.5算法的出现
- 5.4.3 CART算法
- 5.4.4 三种树的对比
- 5.5 决策树的应用
- 5.6 产品经理的经验之谈
- 6 垃圾邮件克星：朴素贝叶斯算法
- 6.1 什么是朴素贝叶斯
- 6.1.1 一个流量预测的场景
- 6.1.2 朴素贝叶斯登场
- 6.2 朴素贝叶斯如何计算
- 6.2.1 理论概率与条件概率
- 6.2.2 引入贝叶斯定理
- 6.2.3 贝叶斯定理有什么用
- 6.3 朴素贝叶斯的实际应用
- 6.3.1 垃圾邮件的克星
- 6.3.2 朴素贝叶斯的实现过程
- 6.4 进一步的提升
- 6.4.1 词袋子困境
- 6.4.2 多项式模型与伯努利模型
- 6.5 产品经理的经验之谈
- 7 模拟人类思考过程：神经网络
- 7.1 最简单的神经元模型
- 7.1.1 从生物学到机器学习
- 7.1.2 神经元模型
- 7.2 感知机
- 7.2.1 基础感知机原理
- 7.2.2 感知机的限制
- 7.3 多层神经网络与误差逆传播算法
- 7.3.1 从单层到多层神经网络
- 7.3.2 巧用BP算法解决计算问题
- 7.4 RBF神经网络
- 7.4.1 全连接与局部连接
- 7.4.2 改变激活函数
- 7.5 产品经理的经验之谈
- 8 求解支持向量机
- 8.1 线性支持向量机
- 8.1.1 区分咖啡豆
- 8.1.2 支持向量来帮忙
- 8.2 线性支持向量机推导过程
- 8.2.1 SVM的数学定义
- 8.2.2 拉格朗日乘子法
- 8.2.3 对偶问题求解
- 8.2.4 SMO算法
- 8.3 非线性支持向量机与核函数
- 8.4 软间隔支持向量机
- 8.5 支持向量机的不足之处
- 8.6 产品经理的经验之谈
- 9 要想模型效果好，集成算法少不了
- 9.1 个体与集成
- 9.1.1 三个臭皮匠赛过诸葛亮
- 9.1.2 人多一定力量大吗
- 9.2 Boosting族算法
- 9.2.1 Boosting是什么
- 9.2.2 AdaBoost如何增强
- 9.2.3 梯度下降与决策树集成
- 9.3 Bagging族算法
- 9.3.1 Bagging是什么
- 9.3.2 随机森林算法
- 9.4 两类集成算法的对比
- 9.5 产品经理的经验之谈
- 10 透过现象看本质，全靠降维来帮忙
- 10.1 K近邻学习法
- 10.1.1 “人以群分”的算法
- 10.1.2 如何实现KNN算法
- 10.2 从高维到低维的转换
- 10.2.1 维数过高带来的问题
- 10.2.2 什么是降维
- 10.3 主成分分析法
- 10.3.1 PCA原理
- 10.3.2 PCA的特点与作用
- 10.4 线性判别分析法
- 10.5 流形学习算法
- 10.6 产品经理的经验之谈
- 11 图像识别与卷积神经网络
- 11.1 图像识别的准备工作
- 11.1.1 从电影走进现实
- 11.1.2 图像的表达
- 11.1.3 图像采集与预处理
- 11.2 卷积神经网络
- 11.2.1 卷积运算
- 11.2.2 什么是卷积神经网络
- 11.3 人脸识别技术
- 11.3.1 人脸检测
- 11.3.2 人脸识别
- 11.3.3 人脸识别的效果评价方法
- 11.4 产品经理的经验之谈
- 12 自然语言处理与循环神经网络
- 12.1 自然语言处理概述
- 12.1.1 什么是自然语言处理
- 12.1.2 为什么计算机难以理解语言
- 12.2 初识循环神经网络
- 12.2.1 CNN为什么不能处理文本
- 12.2.2 循环神经网络登场
- 12.2.3 RNN的结构
- 12.3 RNN的实现方式
- 12.3.1 引入BPTT求解RNN
- 12.3.2 梯度消失问题
- 12.4 RNN的提升
- 12.4.1 长期依赖问题
- 12.4.2 处理长序列能手——LSTM
- 12.5 产品经理的经验之谈
- 13 AI绘画与生成对抗网络
- 13.1 初识生成对抗网络
- 13.1.1 猫和老鼠的游戏
- 13.1.2 生成网络是什么
- 13.1.3 判别检验
- 13.1.4 生成对抗的过程
- 13.2 生成对抗网络的应用
- 13.2.1 GAN的特点
- 13.2.2 GAN的应用场景
- 13.3 生成对抗网络的提升
- 13.3.1 强强联合的DCGAN
- 13.3.2 通过BEGAN化繁为简
- 13.3.3 对GAN的更多期待
- 13.4 产品经理的经验之谈
- 参考资料
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
电子工业出版社
电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。
