好書推介《實戰機器學*》

随着網際網路、物聯網、雲計算等技術的不斷發展，許多領域都産生了大量的資料。利用機器學*技術分析海量資料，可以從資料中發現隐含的、有價值的規律和模式，進而用于預測并采取相應動作。在上述背景下，本書從理論、技術和應用三個層面入手，全面講解如何利用機器學*技術解決實際問題。

目前有很多介紹機器學*理論與方法的經典書籍，但調研表明，目前市場上介紹如何采用機器學*方法解決實際應用問題的書籍很少。本書創作團隊核心成員自2015年起就一直從事機器學*方面的理論研究和工程實踐，通過項目實戰，我們遇到了很多問題，積累了大量解決問題的方法和經驗，認為有必要将自己的經驗和認識整理出來，以滿足廣大讀者希望使用機器學*技術解決實際問題的需求，這也正是書名《實戰機器學*》的由來。

本書共分26章，内容包括機器學*解決問題流程、問題分析與模組化、資料探索與準備、特征工程、模型訓練與評價、模型部署與應用、回歸模型、支援向量機、決策樹、內建學*、K*鄰算法、貝葉斯方法、聚類算法、關聯規則學*、神經網絡基礎、正則化、深度學*中的優化、卷積神經網絡、循環神經網絡、自編碼器、基于深度學*的語音分離方法、基于深度學*的圖像去水印方法、基于LSTM的雲環境工作負載預測方法、基于QoS的服務組合問題、基于強化學*的投資組合方法、基于GAN模型的大資料系統參數優化方法。

本書内容全面、示例豐富，适合機器學*初學者以及想要全面掌握機器學*技術的算法開發人員，也适合高等院校和教育訓練機構人工智能相關專業的師生教學參考。