【新书】合成数据与生成式人工智能

合成数据与生成式人工智能

《合成数据与生成式人工智能》涵盖了机器学习的基础，结合现代方法解决复杂问题，以及合成数据的系统生成与应用。重点关注可扩展性、自动化、测试、优化和可解释性（可解释人工智能）。例如，回归技术——包括逻辑回归和Lasso回归——作为一种方法进行介绍，而不使用高级线性代数。置信区域和预测区间使用参数化自助法（parametric bootstrap）构建，而不依赖于统计模型或概率分布。模型（包括生成模型和混合模型）主要用于创建丰富的合成数据，以测试和基准化各种方法。

• 强调算法的数值稳定性和性能（计算复杂度）
• 聚焦于可解释人工智能/可解释机器学习，广泛使用合成数据和生成模型，这是该领域的新趋势
• 包含一种新的、更简便的构建置信区域的方法，避免使用统计学，为强大且知名的XGBoost技术提供了一种简单的替代方案
• 涉及数据清洗的自动化，优先考虑在可能的情况下提供更简便的解决方案
• 包含专门章节，完全介绍合成数据的应用：使用钻石-方块算法生成分形状地形，以及模拟由重力束缚并随时间演化的合成星团

回顾

提供了关于机器学习基础的全面介绍，包括解决复杂问题的现代方法 作者简介

文森特·格兰维尔博士（Dr. Vincent Granville）是数据科学和机器学习领域的开创者，Data Science Central（于2020年被TechTarget收购）联合创始人，MLTechniques.com创始人，曾任风投资助的高管、作者及专利拥有者。格兰维尔博士曾在Visa、富国银行、eBay、NBC、微软和CNET等公司工作，此外，他还曾在剑桥大学和国家统计科学研究所（NISS）担任博士后研究员。格兰维尔博士曾在《数论学报》、《皇家统计学会学报》和《IEEE模式分析与机器智能学报》上发表过文章，并且是《开发分析人才：成为数据科学家》（Wiley）一书的作者。格兰维尔博士现居华盛顿州，热衷于研究随机过程、动力系统、实验数学和概率数论。他曾被《福布斯》杂志评为“20位大数据影响者”之一。