鏈接：https://pan.baidu.com/s/1O4S9bHcAggHCqG2LFcvIFg?pwd=59aw?

提取碼：59aw

本書從數(shù)學知識入手，詳盡細致地闡述機器學習各方面的理論知識、常用算法與流行框架，并以大量代碼示例進行實踐。本書內容分為三篇：第一篇為基礎知識，包括機器學習概述、開發(fā)環(huán)境和常用模塊、特征工程、模型評估、降維方法等內容。本篇詳細而友好地介紹機器學習的核心概念與原理，并結合大量示例幫助讀者輕松入門。第二篇為算法應用，涵蓋機器學習最重要與高頻使用的模型，包括K-Means聚類、K最近鄰、回歸、決策樹、樸素貝葉斯、支持向量機、神經網絡等內容。本篇不僅詳細講解各個算法的原理，還提供大量注釋詳盡的代碼示例，使這些算法變得直觀易懂。第三篇為拓展應用，包括集成學習、深度學習框架TensorFlow與PyTorch入門、卷積網絡、激活函數(shù)以及模型微調與項目實戰(zhàn)。本篇內容更加前沿與高級，帶領讀者跨過機器學習的門檻，進行真實項目的實踐與部署。

本書內容豐富、系統(tǒng)且實用，大量相關代碼示例貼近實戰(zhàn)，能夠為讀者學習機器學習打下扎實的基礎，并真正掌握運用這些知識與算法解決實際問題的技能。適合機器學習入門者、大學生、人工智能從業(yè)者，以及各行業(yè)技術人員和科研人員使用，也可作為培訓機構和大專院校人工智能課程的教學用書。

作者簡介

凌峰，畢業(yè)于中國科學院大學，博士，高級職稱，從事機器學習、人工智能、圖像處理、計算視覺的研究與開發(fā)工作多年，擁有豐富的機器學習算法實現(xiàn)經驗。

目錄

第1篇基礎知識

第1章機器學習概述

1．1機器學習的定義與發(fā)展歷史

1．1．1什么是機器學習

1．1．2發(fā)展歷史

1．2應用領域

1．3應用前景

1．4小結

第2章基礎知識

2．1概念與術語

2．1．1統(tǒng)計學的基本概念

2．1．2擬合、過擬合和欠擬合

2．2高等數(shù)學基礎

2．3線性代數(shù)基礎

2．3．1基本概念和符號

……

查看全部↓