- Go语言机器学习实战/机器学习系列
- - 作者：(澳)周轩逸|责编:任鑫//闾洪庆|译者:谭励//连晓峰
  - 出版社：机械工业
  - ISBN：9787111645894
  - 出版日期：2020/04/01
  - 页数：223
- 售价：31.6

内容大纲
Go语言是用于机器学习的一门重要语言。本书主要介绍了如何在Go语言中部署程序从而实现机器学习算法。主要内容包括：利用Go语言中的库和功能来配置机器学习环境，对实际生活中的房价数据集进行回归分析，在Go语言中构建分类模型来区分垃圾电子邮件，通过聚类整理个人推特账户的时间线。此外，本书还介绍了用神经网络和卷积神经网络进行手写体识别，以及以人脸检测项目为例，介绍了如何选择适合于具体项目的机器学习算法。
本书适合于从事人工智能、机器学习、Go语言程序设计等相关工作的程序员、数据科学研究人员作为参考学习用书。
作者介绍
目录
译者序
原书前言
第1章  如何解决机器学习中的所有问题
  1.1  什么是一个问题
  1.2  什么是一个算法
  1.3  什么是机器学习
  1.4  是否需要机器学习
  1.5  一般问题解决过程
  1.6  什么是一个模型
    1.6.1  什么是一个好的模型
  1.7  本书主要内容与章节安排
  1.8  为什么选择Go语言
  1.9  快速启动
  1.10  函数
  1.11  变量
    1.11.1  值
    1.11.2  类型
    1.11.3  方法
    1.11.4  接口
    1.11.5  包和导入
  1.12  开始
第2章  线性回归———房价预测
  2.1  项目背景
  2.2  探索性数据分析
    2.2.1  数据摄取和索引
    2.2.2  数据清洗工作
    2.2.3  进一步的探索性工作
    2.2.4  标准化
  2.3  线性回归
    2.3.1  回归
    2.3.2  交叉验证
  2.4  讨论和下一步的工作
  2.5  小结
第3章  分类———垃圾邮件检测
  3.1  项目背景
  3.2  探索性数据分析
    3.2.1  数据标记
    3.2.2  规范化和词干提取
    3.2.3  停用词
    3.2.4  数据摄取
  3.3  分类器
  3.4  朴素贝叶斯
    3.4.1  TF-IDF
    3.4.2  条件概率
    3.4.3  特征
    3.4.4  贝叶斯定理
  3.5  分类器实现
    3.5.1  类
    3.5.2  分类器第Ⅱ部分
  3.6  程序整合

  3.7  小结
第4章  利用时间序列分析分解二氧化碳趋势
  4.1  探索性数据分析
    4.1.1  从非HTTP数据源下载
    4.1.2  处理非标准数据
    4.1.3  处理小数型日期
    4.1.4  绘图
  4.2  分解
    4.2.1  STL
    4.2.2  更多绘制内容
  4.3  预测
  4.4  小结
参考文献
第5章  通过聚类整理个人推特账户的时间线
  5.1  项目背景
  5.2  K均值
  5.3  DBSCAN
  5.4  数据采集
  5.5  探索性数据分析
  5.6  数据信息
    5.6.1  处理器
    5.6.2  单字预处理
    5.6.3  单条推特处理
  5.7  聚类
    5.7.1  K均值聚类
    5.7.2  DBSCAN聚类
    5.7.3  DMMClust聚类
  5.8  实际数据
  5.9  程序
  5.10  程序调整
    5.10.1  距离调整
    5.10.2  预处理步骤调整
  5.11  小结
第6章  神经网络———MNIST手写体识别
  6.1  神经网络
    6.1.1  模拟神经网络
  6.2  线性代数101
    6.2.1  激活函数探讨
  6.3  学习功能
  6.4  项目背景
    6.4.1  Gorgonia
    6.4.2  数据获取
    6.4.3  什么是张量
    6.4.4  构建神经网络
    6.4.5  前馈
    6.4.6  利用maybe类型进行错误处理
    6.4.7  前馈函数说明
    6.4.8  成本
    6.4.9  反向传播
  6.5  神经网络训练

  6.6  交叉验证
  6.7  小结
第7章  卷积神经网络———MNIST手写体识别
  7.1  有关神经元的一切认识都是错误的
  7.2  回顾神经网络
    7.2.1  Gorgonia
    7.2.2  构建一个神经网络
  7.3  项目
    7.3.1  数据获取
    7.3.2  上一章的其他内容
  7.4  CNN简介
    7.4.1  什么是卷积
    7.4.2  最大池化
    7.4.3  退出
  7.5  构建一个CNN
    7.5.1  反向传播
  7.6  运行神经网络
  7.7  测试
    7.7.1  准确率
  7.8  小结
第8章  基本人脸检测
  8.1  什么是人脸
    8.1.1  Viola-Jones
  8.2  PICO
    8.2.1  关于学习的注意事项
  8.3  GoCV
    8.3.1  API
  8.4  PIGO
  8.5  人脸检测程序
    8.5.1  从网络摄像头获取图像
    8.5.2  图像显示
    8.5.3  在图像上涂鸦
    8.5.4  人脸检测1
    8.5.5  人脸检测2
    8.5.6  算法结合
  8.6  算法评估
  8.7  小结
第9章  热狗或者不是热狗———使用外部服务
  9.1  MachineBox
  9.2  什么是MachineBox
    9.2.1  登录和注册
    9.2.2  Docker安装与设置
    9.2.3  在Go语言中使用 MachineBox
  9.3  项目
    9.3.1  训练
    9.3.2  从网络摄像头读取图像
    9.3.3  美化结果
  9.4  结果
  9.5  这一切意味着什么
  9.6  为什么采用MachineBox

  9.7  小结
第10章  今后发展趋势
  10.1  读者应该关注什么
    10.1.1  从业者
    10.1.2  研究人员
  10.2  研究人员、从业者及其利益相关者
  10.3  本书未涉及的内容
  10.4  更多学习资源

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目