新書推薦:
《
狂飙年代:18世纪俄国的新文化和旧文化(第三卷)
》
售價:HK$
177.0
《
协和专家大医说:医话肿瘤
》
售價:HK$
109.8
《
潜水指南 全彩图解第4版
》
售價:HK$
132.2
《
超大规模集成电路设计——从工具到实例
》
售價:HK$
88.5
《
村上春树·旅(一本充满村上元素的旅行指南,带你寻访电影《挪威的森林》拍摄地,全彩印刷;200余幅摄影作品)
》
售價:HK$
66.1
《
智能驾驶硬件在环仿真测试与实践
》
售價:HK$
155.7
《
都铎王朝时期英格兰海事法庭研究
》
售價:HK$
87.4
《
中年成长:突破人生瓶颈的心理自助方案
》
售價:HK$
65.0
|
編輯推薦: |
全面:涵盖人工智能和数据科学各个重要体系
经典:世界名校AI专业深造,国际大行实战经验
系统:重要理论和公式层层推导,阐述深入浅出
实战:六大典型AI和数据科学应用场景,透彻分析和代码实现
|
內容簡介: |
人工智能的日益广泛的应用和普及,而要深入理解人工智能,我们必须全面理解底层的各类机器学习算法基本原理并能驾驭人工智能各种应用。
《人工智能原理与实践》分为13章,前7章为原理篇。原理篇中,我们重点讨论机器学习模型建模的全部流程,各类常用的机器学习算法原理,深度学习和强化学习原理,机器学习涉及的优化论原理,以及机器学习和自然语言处理技术。后面6章为实战篇,我们重点讨论信用卡场景中的客户细分,保险行业中的生活事件时间序列预测,电商交易中欺诈客户预测,信用卡和金融贷款场景中的风控预测,房价估值和预测,以及股市短期回报率预测等多个实际应用场景。
《人工智能原理与实践》理论知识覆盖面广而又保留了有价值的推导,特别适合在各个行业工作的数据科学从业者,在校学习的人工智能和数据科学专业学生,科技公司的管理者和决策者,以及人工智能的初学者和爱好者。
|
關於作者: |
刘春雷,毕业于中国科学技术大学物理专业,本科毕业后,前往美国留学深造,并且获得了美国卡耐基梅隆大学机器学习专业硕士和美国匹兹堡大学物理专业博士的学位。在研究生和博士学习中,结合数据挖掘,机器学习理论知识和大数据技术,在应用物理领域做出了杰出的工作和成就。经过多年博士以及博士后阶段的学习和研究工作后,作者又先后在美国智库型研究公司和华尔街商业银行工作,积累了大量把人工智能,机器学习算法和数据科学技术应用到工业实践中的经验。作者近的工作为北京的金融科技创新企业,研究人工智能技术应用到金融科技和其他关乎提高人们生活和工作效率的行业中。
|
目錄:
|
第1章 人工智能应用场景——金融风控
1.1 反欺诈与信用评估
1.2 信用评估模型介绍
1.3 客户营销与风控管理
1.4 建模中的拒绝推断
1.5 评分卡模型
第2章 人工智能中的机器学习和模型评价
2.1 机器学习预测结果推广性理论
2.2 机器学习问题的分类
2.3 二分类模型的评价方法
2.4 多分类模型的评价方法
2.5 回归模型的评价方法
第3章 机器学习建模重要步骤
3.1 数据收集
3.2 数据清洗转换和预处理
3.3 特征工程
3.4 模型的选择和建立
3.5 模型的监控
第4章 机器学习常用算法原理
4.1 回归算法
4.2 梯度下降优化
4.3 朴素贝叶斯、支持向量机和决策树算法
4.4 集成算法、随机森林算法和梯度增强机算法
4.5 无监督学习算法
4.6 神经网络算法
第5章 深度学习和强化学习
5.1 深度学习算法
5.2 强化学习算法
第6章 机器学习和化
6.1 化理论和机器学习的关系
6.2 化理论的分类和理解
6.3 机器学习算法中化应用
第7章 自然语言处理算法原理
7.1 文本数据处理和NLP基础
7.2 机器学习算法在NLP中的应用
7.3 深度学习在NLP中的应用
第8章 信用卡客户细分
8.1 EDA探索性数据分析
8.2 数据预处理和特征工程
8.3 K-Means聚类建模和分组个数选择
8.4 建模结果可视化和分析
第9章 保险公司时间序列生活事件预测
9.1 朴素贝叶斯算法和马尔可夫链算法应用
9.2 时间序列特征工程和梯度增强机算法
9.3 深度学习算法的应用
第10章 电商网站交易欺诈预测
10.1 EDA探索性数据分析
10.2 模型选择
10.3 数据特征工程
第11章 信用卡和信用贷款风险预测
11.1 信用卡客户风险预测和管理
11.2 个人信用分期贷款风险预测
第12章 美国旧金山房屋成交价格预测
12.1 EDA探索性数据分析和特征工程
12.2 房屋价格预测建模和验证
第13章 股票短期回报率预测
13.1 EDA探索性数据分析
13.2 数据预处理和特征工程
13.3 短期回报率预测模型
|
內容試閱:
|
前 言
这项技术有什么前途
说到人工智能,相信每个人都不会感到陌生。人工智能涵盖了数学、物理、计算机技术、机械、自动化等多方面理论和技术,是人类科技的集大成者。本书主要讨论人工智能在计算机算法应用层面的各项技术,尤其是以机器学习各类算法为基础的应用。
基于机器学习算法的各种人工智能应用在人们的工作和生活中发挥着越来越重要的作用。这些应用极大地提高了人们的工作效率,给人们的生活和娱乐带来了前所未有的体验。随着人工智能技术的日益普及,人们不禁会思考这样一个问题:人工智能会取代人类的工作吗?笔者认为,人工智能全面取代人类的工作的可能性其实比较小。一方面,人工智能依赖于各类以机器学习算法为代表的基础知识,而这些知识始终来源于科学家坚持不懈的深入研究,人工智能应用需要在算法制定的框架下才能运行和优化;另一方面,算法解决的主要问题是执行和应用,而人与人之间的互动还包含社交、情感和艺术等多方面。
即使“傻瓜相机”的发明降低了摄影对专业知识的要求,绝大多数优秀的摄影家也还是喜欢手动的专业相机。对于各类人工智能应用,需要抱着知其然而又知其所以然的态度。深入理解人工智能背后的各种机器学习算法理论和基本原理,不仅有助于人们更好地应用人工智能,还可以使人在上层的人工智能应用出现错误时,有能力及时解决问题。
笔者的使用体会
从理论到实践,再从实践到理论,扎实的机器学习理论基础,是人工智能研究者、应用者和爱好者攀登人工智能高峰的有力武器。作为一名数据科学家,在多年的学习和实际工作中,笔者深刻体会到理解各类机器学习算法的基本原理和推导过程,对更好地应用各类算法有着巨大的帮助。在平时的研究和工作中,针对各种实际问题,需要我们能够有效地提出问题,形成问题,并找到问题的解决方案,这就要求我们对各类算法的优劣势和应用范围有非常清楚的认识。
在理解各类机器学习理论的前提下,结合工作中的实际应用经验,也能让我们更好地将各种理论融会贯通,举一反三,从而产生新的想法和解决方案。机器学习算法在各个领域中广泛应用,每个领域又会衍生出许多有特点的理论和解决方案。学习和掌握机器学习算法在不同领域的应用,能够有效地帮助我们在解决本领域的问题时,交叉多个学科,从而获得新的思路,有创造性地解决一些难题,甚至丰富和发展现有的机器学习理论。
这本书的特色
本书是笔者对多年的学习和工作经验的一个系统、全面的总结。本书前半部分中,笔者总结了当前人工智能领域中的各种基础理论和算法。本书尽量避开了烦琐的细节,但是又保留了算法中重要的理论推导和精华分析,结合实践,将算法在各种数据科学应用场景中的注意事项和经验进行了系统性的总结。
本书后半部分中,笔者结合多个实际应用场景,对数据科学应用的各个重要步骤进行了详细的说明和展示。在这些实际案例中,读者可以更加清晰地看到机器学习的各种算法如何在实践中应用。
本书读者对象
数据科学从业者
机器学习和人工智能专业学习者
科技公司管理者和决策者
人工智能初学者和爱好者
|
|