MARC状态：已编 文献类型：中文图书 浏览次数：22
- 题名/责任者:
- 机器学习实践:数据科学应用与工作流的开发及优化/(美)安德鲁·凯莱赫(Andrew Kelleher)，(美)亚当·凯莱赫(Adam Kelleher)著 陈子墨，刘瀚文译
- 出版发行项:
- 北京:机械工业出版社,2020
- ISBN及定价:
- 978-7-111-65136-9/CNY99.00
- 载体形态项:
- 15,226页:图;26cm
- 并列正题名:
- Machine learining in production:developing and optiimizing data science workflows and applications
- 其它题名:
- 数据科学应用与工作流的开发及优化
- 丛编项:
- 数据科学与工程技术丛书
- 个人责任者:
- (美) 凯莱赫 (Kelleher, Andrew) )著
- 个人责任者:
- (美) 凯莱赫 (Kelleher, Adam) 著
- 个人次要责任者:
- 陈子墨 译
- 个人次要责任者:
- 刘瀚文 译
- 学科主题:
- 机器学习-研究
- 中图法分类号:
- TP181
- 提要文摘附注:
- 本书分三个部分，第一部分介绍框架原则，涵盖数据科学领域的背景知识、项目工作流程及其与敏捷开发原则的关系、误差测量的概念和量化、数据编码与预处理、统计假设检验、数据可视化和探索性数据分析。第二部分描述算法和架构，包括算法和架构的概述、相似性度量方法、有监督机学习、离散的有监督模型和无监督机器学习的基础知识、贝叶斯网络和贝叶斯模型、因果推断，以及高级机器学习技术。第三部分讲解瓶颈和优化，涵养硬件方面的基本瓶颈、软件设计的基础知识、分布式系统中的体系结构模式、CAP定理，以及逻辑网络拓扑节点。
全部MARC细节信息>>
样本书阅览室