機器學習及其應用(英文版)
- 出版商: 電子工業
- 出版日期: 2019-12-01
- 定價: $774
- 售價: 7.9 折 $611
- 語言: 簡體中文
- ISBN: 7121377853
- ISBN-13: 9787121377853
-
相關分類:
Machine Learning
立即出貨
買這商品的人也買了...
-
$299機器學習與大數據技術 -
$141機器學習基礎
簡體館年度書展|現貨2書79折3書75折 詳見活動內容 »
-
85折
$806Linux x64 匯編語言編程 -
VIP 95折
MCP 極簡開發 : 輕鬆打造高效智能體$479$455 -
VIP 95折
硬件系統模糊測試:技術揭秘與案例剖析$419$398 -
85折
$245生成式視覺模型原理與實踐 -
87折
$459AI大模型:賦能通信產業 -
85折
$347科學預測——預見科學之美 -
85折
$254Processing創意編程入門:從編程原理到項目案例 -
87折
$360高薪Offer 簡歷、面試、談薪完全攻略 -
79折
$469GitHub Copilot 編程指南 -
VIP 95折
C#核心編程200例(視頻課程+全套源程序)$648$616 -
VIP 95折
SAAS + AI 架構實戰:業務解析、架構設計、AI 應用$708$673 -
VIP 95折
深入淺出 Docker, 2/e$419$398 -
VIP 95折
Unity 特效制作:Shader Graph 案例精講$774$735 -
79折
$275零基礎玩轉國產大模型DeepSeek -
VIP 95折
人工智能大模型:機器學習基礎$774$735 -
VIP 95折
RAG 極簡入門:原理與實踐$419$398 -
VIP 95折
大模型實戰 : 從零實現 RAG 與 Agent 系統$419$398 -
85折
$296算法趣學(第2版) -
85折
$301大模型理論與實踐——打造行業智能助手 -
VIP 95折
生成式人工智能 (基於 PyTorch 實現)$599$569 -
VIP 95折
Java 學習筆記, 6/e$839$797 -
85折
$407ZBrush遊戲角色設計(第2版) -
85折
$454軟件架構決策之道:軟件架構決策的原則和方法 -
79折
$374DeepSeek + Dify + Ollama 全棧 AI 開發實戰 (前端本地部署到大模型集成訓練) -
85折
$505從程式設計師到架構師:大數據技術金融級全場景應用實戰
簡體館年度書展|現貨2書79折3書75折 詳見活動內容 »
-
85折
$806Linux x64 匯編語言編程 -
VIP 95折
MCP 極簡開發 : 輕鬆打造高效智能體$479$455 -
VIP 95折
硬件系統模糊測試:技術揭秘與案例剖析$419$398 -
85折
$245生成式視覺模型原理與實踐 -
87折
$459AI大模型:賦能通信產業 -
85折
$347科學預測——預見科學之美 -
85折
$254Processing創意編程入門:從編程原理到項目案例 -
87折
$360高薪Offer 簡歷、面試、談薪完全攻略 -
79折
$469GitHub Copilot 編程指南 -
VIP 95折
C#核心編程200例(視頻課程+全套源程序)$648$616 -
VIP 95折
SAAS + AI 架構實戰:業務解析、架構設計、AI 應用$708$673 -
VIP 95折
深入淺出 Docker, 2/e$419$398 -
VIP 95折
Unity 特效制作:Shader Graph 案例精講$774$735 -
79折
$275零基礎玩轉國產大模型DeepSeek -
VIP 95折
人工智能大模型:機器學習基礎$774$735 -
VIP 95折
RAG 極簡入門:原理與實踐$419$398 -
VIP 95折
大模型實戰 : 從零實現 RAG 與 Agent 系統$419$398 -
85折
$296算法趣學(第2版) -
85折
$301大模型理論與實踐——打造行業智能助手 -
VIP 95折
生成式人工智能 (基於 PyTorch 實現)$599$569 -
VIP 95折
Java 學習筆記, 6/e$839$797 -
85折
$407ZBrush遊戲角色設計(第2版) -
85折
$454軟件架構決策之道:軟件架構決策的原則和方法 -
79折
$374DeepSeek + Dify + Ollama 全棧 AI 開發實戰 (前端本地部署到大模型集成訓練) -
85折
$505從程式設計師到架構師:大數據技術金融級全場景應用實戰
相關主題
商品描述
本書綜合探討了機器學習的理論基礎,為讀者提供了使用機器學習技術解決現實問題所需的知識。具體內容包括如何概念化問題、準確表示數據、選擇和調整算法、解釋和分析結果以及做出合理的決策,採用非嚴格意義的數學進行闡述,涵蓋了一系列廣泛的機器學習主題,並特別強調了一些有益的方法,如監督學習、統計學習、使用支持向量機(SVM)學習、使用神經網絡(NN)學習、模糊推理系統、數據聚類、數據變換、決策樹學習、商業智能、數據挖掘,等等。
