- Swift机器学习(面向iOS的人工智能实战)
- - 作者：(乌)亚历山大·索诺夫琴科|责编:林桢|译者:连晓峰//谭励
  - 出版社：机械工业
  - ISBN：9787111664994
  - 出版日期：2021/01/01
  - 页数：242
- 售价：35.6

内容大纲
本书首先从机器学习的基础知识开始，帮助你建立对机器学习基本概念的直观认识。然后探讨各种监督学习和无监督学习方法，以及如何使用Swift实现它们。之后通过常见的实际案例来深入讲解深度学习技术。在最后，深入讨论模型压缩、GPU加速等核心主题，并提供一些建议，以帮助你避免在使用机器学习开发应用程序的过程中出现常见错误。通过本书的学习，你将能够开发用Swift编写的智能应用程序。
本书是面向使用Swift开发智能应用程序的技术人员，以及从事机器学习研究的研发人员。
作者介绍
目录
译者序
原书前言
关于作者
关于评审者
第1章  机器学习入门
  1.1  什么是人工智能
  1.2  机器学习的动机
  1.3  什么是机器学习
  1.4  机器学习的应用
    1.4.1  数字信号处理
    1.4.2  计算机视觉
    1.4.3  自然语言处理
    1.4.4  机器学习的其他应用
  1.5  利用机器学习构建iOS智能应用程序
  1.6  了解数据
    1.6.1  特征
    1.6.2  特征类型
    1.6.3  选择适当的特征集
    1.6.4  获取数据集
    1.6.5  数据预处理
  1.7  模型选择
    1.7.1  机器学习算法类型
    1.7.2  监督学习
    1.7.3  无监督学习
    1.7.4  强化学习
    1.7.5  数学优化-学习的工作原理
    1.7.6  移动端与服务器端的机器学习
    1.7.7  了解移动平台的局限性
  1.8  小结
  参考文献
第2章  分类-决策树学习
  2.1  机器学习工具箱
  2.2  第一个机器学习应用程序原型
    2.2.1  工具
    2.2.2  设置机器学习环境
  2.3  IPython notebook速成
  2.4  实践练习
  2.5  用于“外星生命探索器”的机器学习
  2.6  加载数据集
  2.7  探索性数据分析
  2.8  数据预处理
    2.8.1  转换分类变量
    2.8.2  从标签提取特征
    2.8.3  独热编码
    2.8.4  数据拆分
  2.9  无处不在的决策树
  2.10  训练决策树分类器
    2.10.1  决策树可视化
    2.10.2  预测
    2.10.3  预测准确率评估

    2.10.4  超参数调节
    2.10.5  理解模型容量的权衡
  2.11  决策树学习的工作原理
    2.11.1  由数据自动生成决策树
    2.11.2  组合熵
    2.11.3  根据数据评估模型性能
  2.12  在Swift中实现第一个机器学习应用程序
  2.13  Core ML简介
  ……
第3章  k近邻分类器
第4章  k-均值聚类
第5章  关联规则学习
第6章  线性回归和梯度下降
第7章  线性分类器和逻辑回归
第8章  神经网络
第9章  卷积神经网络
第10章  自然语言处理
第11章  机器学习库
第12章  优化移动设备上的神经网络
第13章  最佳实践

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目