用ChatGPT輕松玩轉(zhuǎn)機器學(xué)習(xí)與深度學(xué)習(xí)

定　價：￥89.00

作　者：	段小手
出版社：	北京大學(xué)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥89.00)

ISBN：	9787301342640	出版時間：	2023-09-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　隨著機器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)的不斷發(fā)展和進步，它們的復(fù)雜性也在不斷增強。對于初學(xué)者來說，學(xué)習(xí)這兩個領(lǐng)域可能會遇到許多難題和挑戰(zhàn)，如理論知識的缺乏、數(shù)據(jù)處理的困難、算法選擇的不確定性等。此時，ChatGPT可以提供強有力的幫助。利用ChatGPT，讀者可以更輕松地理解機器學(xué)習(xí)和深度學(xué)習(xí)的概念和技術(shù)，并解決學(xué)習(xí)過程中遇到的各種問題和疑惑。此外，ChatGPT還可以為讀者提供更多的實用經(jīng)驗和技巧，幫助他們更好地掌握機器學(xué)習(xí)和深度學(xué)習(xí)的基本原理和方法。《用ChatGPT輕松玩轉(zhuǎn)機器學(xué)習(xí)與深度學(xué)習(xí)》主要內(nèi)容包括探索性數(shù)據(jù)分析、有監(jiān)督學(xué)習(xí)（線性回歸、SVM、決策樹等）、無監(jiān)督學(xué)習(xí)（降維、聚類等），以及深度學(xué)習(xí)的基礎(chǔ)原理和應(yīng)用等?！队肅hatGPT輕松玩轉(zhuǎn)機器學(xué)習(xí)與深度學(xué)習(xí)》旨在為廣大讀者提供一個系統(tǒng)全面、易于理解的機器學(xué)習(xí)和深度學(xué)習(xí)入門教程。不需要過多的數(shù)學(xué)背景，只需掌握基本的編程知識即可輕松上手。

作者簡介

　　段小手，曾供職于百度、敦煌網(wǎng)、慧聰網(wǎng)、方正集團等知名IT企業(yè)。有多年的科技項目管理及開發(fā)經(jīng)驗。負責(zé)的項目曾獲得“國家發(fā)改委電子商務(wù)示范項目”“中關(guān)村現(xiàn)代服務(wù)業(yè)試點項目”“北京市信息化基礎(chǔ)設(shè)施提升專項”“北京市外貿(mào)公共服務(wù)平臺”等多項政策支持。著有《深入淺出Python機器學(xué)習(xí)》《深入淺出Python量化交易實戰(zhàn)》等著作，在與云南省公安廳合作期間，使用機器學(xué)習(xí)算法有效將某類案件發(fā)案率大幅降低。

圖書目錄

第1章讓ChatGPT告訴我們什么是機器學(xué)習(xí)
1.1 問問ChatGPT什么是機器學(xué)習(xí)
1.2 問問ChatGPT機器學(xué)習(xí)有什么用
1.3 機器學(xué)習(xí)有什么應(yīng)用案例
1.4 機器學(xué)習(xí)系統(tǒng)有哪些類型
1.5 機器學(xué)習(xí)面臨哪些挑戰(zhàn)
1.6 機器學(xué)習(xí)模型該如何測試和驗證
1.7 習(xí)題15
第2章讓ChatGPT告訴我們機器學(xué)習(xí)的基本流程
2.1 讓ChatGPT幫我們找數(shù)據(jù)
2.2 讓ChatGPT幫我們安裝Anaconda
2.3 讓ChatGPT教我們進行探索性數(shù)據(jù)分析
2.4 試試訓(xùn)練一下模型
2.5 習(xí)題
第3章讓ChatGPT帶我們玩轉(zhuǎn)線性模型
3.1 讓ChatGPT告訴我們什么是線性模型
3.2 線性模型也可以用于分類
3.3 什么是正則化
3.4 習(xí)題60
第4章讓ChatGPT帶我們玩轉(zhuǎn)支持向量機
4.1 讓ChatGPT解釋非線性問題的基本概念
4.2 支持向量機的核函數(shù)
4.3 支持向量機用于回歸任務(wù)
4.4 支持向量機的超參數(shù)
4.5 習(xí)題
第5章讓ChatGPT帶我們玩轉(zhuǎn)決策樹
5.1 讓ChatGPT介紹一下決策樹算法
5.2 決策樹算法基礎(chǔ)知識
5.3 決策樹算法的實現(xiàn)
5.4 決策樹算法的不足與改進
5.5 習(xí)題
第6章讓ChatGPT帶我們玩轉(zhuǎn)集成學(xué)習(xí)
6.1 讓ChatGPT介紹一下集成學(xué)習(xí)算法
6.2 基本的集成學(xué)習(xí)算法
6.3 高級的集成學(xué)習(xí)算法
6.4 習(xí)題
第7章讓ChatGPT帶我們玩轉(zhuǎn)模型優(yōu)化
7.1 讓ChatGPT介紹模型優(yōu)化的基本概念
7.2 讓ChatGPT介紹損失函數(shù)
7.3 讓ChatGPT介紹學(xué)習(xí)率
7.4 讓ChatGPT介紹模型的超參數(shù)
7.5 習(xí)題
第8章讓ChatGPT帶我們玩轉(zhuǎn)數(shù)據(jù)降維
8.1 讓ChatGPT介紹數(shù)據(jù)降維的基本概念
8.2 讓ChatGPT帶我們玩轉(zhuǎn)PCA
8.3 讓ChatGPT帶我們玩轉(zhuǎn)ICA
8.4 讓ChatGPT帶我們玩轉(zhuǎn)t-SNE
8.5 習(xí)題
第9章讓ChatGPT帶我們玩轉(zhuǎn)聚類算法
9.1 讓ChatGPT介紹聚類算法的基本概念
9.2 讓ChatGPT帶我們玩轉(zhuǎn)K-Means
9.3 讓ChatGPT帶我們玩轉(zhuǎn)層次聚類
9.4 讓ChatGPT帶我們玩轉(zhuǎn)密度聚類
9.5 習(xí)題
第10章讓ChatGPT帶我們玩轉(zhuǎn)神經(jīng)網(wǎng)絡(luò)
10.1 讓ChatGPT介紹神經(jīng)網(wǎng)絡(luò)的基本概念
10.2 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
10.3 神經(jīng)網(wǎng)絡(luò)中的傳播算法
10.4 神經(jīng)網(wǎng)絡(luò)的局限性和未來發(fā)展
10.5 習(xí)題
第11章讓ChatGPT帶我們玩轉(zhuǎn)Keras
11.1 讓ChatGPT介紹一下Keras
11.2 用Keras搭建簡單的神經(jīng)網(wǎng)絡(luò)
11.3 模型的訓(xùn)練參數(shù)
11.4 神經(jīng)網(wǎng)絡(luò)的超參數(shù)
11.5 習(xí)題
第12章讓ChatGPT帶我們玩轉(zhuǎn)圖像分類
12.1 讓ChatGPT介紹一下計算機視覺
12.2 讓ChatGPT介紹卷積神經(jīng)網(wǎng)絡(luò)
12.3 圖像分類任務(wù)實戰(zhàn)
12.4 習(xí)題
第13章讓ChatGPT帶我們玩轉(zhuǎn)自然語言處理
13.1 讓ChatGPT介紹一下自然語言處理
13.2 讓ChatGPT帶我們認識RNN與LSTM
13.3 讓ChatGPT帶我們認識文本表示
13.4 來個項目實戰(zhàn)吧
13.5 習(xí)題
第14章讓ChatGPT帶我們玩轉(zhuǎn)遷移學(xué)習(xí)
14.1 讓ChatGPT介紹一下遷移學(xué)習(xí)
14.2 讓ChatGPT介紹遷移學(xué)習(xí)的實現(xiàn)
14.3 讓ChatGPT介紹Transformer架構(gòu)
14.4 實戰(zhàn)遷移學(xué)習(xí)
14.5 習(xí)題
附錄 ChatGPT使用指南