当前位置:首页 > 名称

大约有1,000项符合查询结果项。(搜索耗时:0.0097秒)

为您推荐: 商用机器学习 数据科学实践 数据驱动的科学和工程 机器学习 机器学习算法入门与编程实践 title python极简讲义 一本书入门数据分析与机器学习 python大数据分析与机器学习商业案例实战 mlops实践 机器学习从开发到生产

  • 图灵程序设计丛书 Python数据科学机器学习 从入门到实践

    张海艳责任编辑;陈光欣译;(美)弗兰克·凯恩2019 年出版274 页ISBN:9787115512413

    本书帮助你进入数据科学的世界,让你能够使用Python进行数据分析和高效的机器学习。首先从一节Python速成课开始,然后回顾统计学和概率论的基础知识,接着深入讨论与数据挖掘和机器学习相关的60多个主题。这些主...

  • 实用数据科学和Python机器学习

    FRANKKANE著2019 年出版404 页ISBN:9787564183202

    从事Amazon和IMDB的机器学习算法相关工作的Frank Kane将指导你迈向数据科学世界的第一步。本书为你提供了理解和探究该领域核心主题所需的工具,以及构建和分析你自己的机器学习模型的信心和实践。借助有趣易...

  • 数据挖掘与统计机器学习

    吕晓玲,宋捷主编2019 年出版332 页ISBN:9787300264066

    本课程的教学内容主要包括聚类、关联、降维、变量选择、分类与预测、集成算法、图模型与推荐系统等。每一部分都是本课程授课的主要内容,都力求深入浅出,精讲细讲,不光讲解各种方法的过程与原理,还要加强学生对...

  • 数据挖掘与机器学习

    吴建生,许桂秋主编2019 年出版170 页ISBN:9787115503527

    本书系统地阐述了数据挖掘产生的背景、技术、多种相关方法及具体应用,主要内容包括数据挖掘概述,数据采集、集成与预处理技术,多维数据分析与组织,预测模型研究与应用,关联规则模型及应用,聚类分析方法与应用,......

  • Python高级数据分析 机器学习、深度学习和NLP实例

    (印)萨扬·穆霍帕迪亚(Sayan Mukhopadhyay)著2019 年出版156 页ISBN:9787111617020

    本书介绍了基于Python的高级数据分析,探讨了Neo4j、Elasticsearch和MongoDB等数据库,讨论了如何实现包括主题爬取在内的ETL技术,并用于高频算法交易和目标导向的对话系统等领域;还介绍了一些机器学习概念(如半监...

  • Python机器学习手册 从数据预处理到深度学习

    (美)Chris Albon(克里斯·阿尔本)2019 年出版346 页ISBN:9787121369629

    这是一本关于Python的图书,采用基于任务的方式来介绍如何在机器学习中使用Python。书中有近200个独立的解决方案(并提供了相关代码,读者可以复制并粘贴这些代码,用在自己的程序中),针对的都是数据科学家或机器学...

  • 跟着迪哥学Python数据分析与机器学习实战

    唐宇迪著2019 年出版449 页ISBN:9787115512444

    全书共20章,大致分为4个部分。第1部分介绍了Python必备的工具包,包括科学计算库Numpy、数据分析库Pandas、可视化库Matplotlib;第2部分讲解了机器学习中的经典算法,例如回归算法、决策树、集成算法、支持向量机...

  • Python机器学习 数据分析与评分卡建模 微课版

    翟锟,胡锋,周晓然编著2019 年出版177 页ISBN:9787302516842

    这本书是一本入门书,也是一本提高书,它提炼总结了作者从python小白到python建模工程师的历程;如果你有志于进入数据分析/建模领域,它一定会让你惊喜。书中的代码你可以直接用,具有很高的可移植性。通读它,学会它,....

  • 机器学习入门到实战 MATLAB实践应用

    冷雨泉,张会文,张伟等著2019 年出版263 页ISBN:9787302495147

    本书主要分为三大部分:第一部分Matlab基本知识讲解,使读者学会使用最基本的功能,便于后续应用;第二部分介绍数据的预处理方法,所有的数据机器学习之前都需要进行数据的预处理,包括降维、归一化等;第三部分介绍.....

  • 智能科学与技术丛书 统计强化学习 现代机器学习方法

    (日)杉山将著;高阳等译2019 年出版188 页ISBN:9787111622451

    本书将统计学习和强化学习相结合,对强化学习函数估计中的基函数设计、样本重用以及策略搜索、模型估计等做了深入浅出的介绍。全书共11章,分为四部分:第一部分(第1章)介绍了强化学习的基本知识;第二部分(第2-6章.....

学科分类
返回顶部