【新书】机器学习算法深度剖析

机器学习算法深度剖析

了解机器学习算法的工作原理是任何严肃的机器学习工程师的必备技能。《机器学习算法深度剖析》一书中，您将深入探讨数十种机器学习算法的实际实现，包括：

• 蒙特卡洛股票价格模拟
• 使用平均场变分推断进行图像去噪
• 隐马尔可夫模型的EM算法
• 不平衡学习、主动学习和集成学习
• 超参数调优的贝叶斯优化
• 聚类应用中的狄利克雷过程K均值
• 基于逆协方差估计的股票聚类
• 使用模拟退火的能量最小化
• 基于ResNet卷积神经网络的图像搜索
• 使用变分自编码器的时间序列异常检测 《机器学习算法深度剖析》深入探讨了当今一些最令人兴奋的机器学习算法的设计和基本原理。特别是对概率算法的强调，您将学习贝叶斯推理和深度学习的基础知识。您还将探索机器学习的核心数据结构和算法范式。每个算法都通过数学和实际实现全面讲解，让您看到它们的工作原理及其实际应用。购买本书的纸质版将包括来自Manning Publications的PDF和ePub格式的免费电子书。

技术介绍

了解机器学习算法的工作原理，以便有效地排除模型故障并提高其性能。本书引导您从最重要的机器学习算法的核心数学基础到它们的Python实现，特别关注基于概率的方法。

关于本书

《机器学习算法深度剖析》解剖并解释了各种应用中的数十种算法，包括金融、计算机视觉和自然语言处理。每个算法都经过数学推导，并附有Python的实践实现以及详尽的代码注释和信息图表。您会特别欣赏作者Vadim Smolyakov对蒙特卡洛和马尔可夫模型的贝叶斯算法的清晰解读。

内容包括

• 蒙特卡洛股票价格模拟
• 隐马尔可夫模型的EM算法
• 不平衡学习、主动学习和集成学习
• 超参数调优的贝叶斯优化
• 时间序列中的异常检测

读者对象

适合熟悉线性代数、概率和基础微积分的机器学习从业者。

作者简介

Vadim Smolyakov是微软企业与安全DI研发团队的数据科学家。

目录

第一部分

1. 机器学习算法
2. 马尔可夫链蒙特卡洛
3. 变分推断
4. 软件实现 第二部分5. 分类算法 6. 回归算法 7. 选定的监督学习算法第三部分8. 基本的无监督学习算法 9. 选定的无监督学习算法第四部分10. 基本的深度学习算法 11. 高级深度学习算法

背面简介

《机器学习算法深度剖析》深入探讨了机器学习算法的“如何”和“为何”。对于每一类算法，您将从数学原理开始，到Python的实践实现。您将探索机器学习领域的数十个例子，包括金融、计算机视觉、自然语言处理等。每个例子都附有详细的推导、细节、代码示例和图表。读完本书后，您将了解主要算法的内部工作原理，成为更优秀的机器学习从业者。

读者对象

适合熟悉线性代数、概率和基础微积分的中级机器学习从业者。

作者简介

Vadim Smolyakov是微软企业与安全DI研发团队的数据科学家。他曾是麻省理工学院计算机科学与人工智能实验室的AI博士研究生，研究兴趣包括贝叶斯推理和深度学习。在加入微软之前，Vadim在电子商务领域开发了机器学习解决方案。