本書在理解算法如何工作和如何更好地調整模型之間架起一座橋樑。
本書將幫助你掌握開發主要機器學習模型的技能,
包括監督和無監督學習(其中包括線性/對率回歸)、決策樹、隨機森林、
梯度提昇機(GBM)、神經網絡、k均值聚類、主成分分析和推薦系統。
你將通過應用於文本挖掘的CNN、RNN和Word2vec接觸到*新的深度學習,並學習相關理論和案例研究,
如情感分類、欺詐檢測、推薦系統和圖像識別等,以便獲得工業中使用的絕大多數機器學習算法的*佳理論和實踐。
除了學習算法,你還將接觸到在所有主要雲服務提供商上運行的機器學習模型。
本書適合從事AI行業的工程師,以及希望從事數據科學工作的IT人員閱讀,並可以供數據科學家工作時參考使用。