新书推荐 | 机器学习实战：基于Sophon平台的机器学习理论与实践

新书推荐

《机器学习实战：基于Sophon平台的机器学习理论与实践》

点击上图了解及购买

星环科技人工智能平台团队实战总结，机器学习的实战书籍，既能了解人工智能相关的算法原理，也能结合可落地的具体应用场景进行实战。

编辑推荐

人工智能技术的快速发展，带来了相关技术平台和行业应用的繁荣。从 Caffe、CNTK、CoreML 到 TensorFlow和TensorRT，从 CPU、GPU 到TPU、FPGA，从图形处理、视觉识别再到自然语言处理，随着技术体系越来越复杂，应用场景日益广泛，开发门槛也越来越高。在这种情况下，我们非常需要一本关于机器学习的专业图书，不仅讲解关于整体知识体系的理论基础，也可以提供基于人工智能研发实战平台环境的操作指导。

星环科技作为国内大数据和人工智能平台的领航者，其人工智能平台（Sophon）可以让用户快速完成从特征工程、模型训练再到模型上线应用的机器学习全生命周期的开发工作。

星环科技人工智能平台团队编写的这本实战书籍，立意就是阐述团队在使用Sophon机器学习平台解决多个业务难题和探索隐藏在其中的数据之美的过程中的积累和沉淀。全书针对各种类型的机器学习问题，基于星环自研的人工智能平台（Sophon）环境，结合实际案例，依照数据、分析、建模的演进历程进行系统化阐述并进行实战讲解。通过阅读和学习本书，读者既能了解人工智能相关的算法原理，也能了解人工智能一些可落地的具体应用场景，此外，本书还适合作为Sophon平台工具的使用手册，供平台用户参考。

内容简介

本书内容覆盖了机器学习领域从理论到实践的多个主题，总共分为10章。 

• 第1章为导论，介绍机器学习的背景、定义和任务类型，构建机器学习应用的步骤，以及开发机器学习工作流的方式。

• 第2章详细介绍数据预处理和特征工程技术，并辅以实例进行验证。

• 第3~6章介绍回归模型、分类模型、模型融合和聚类模型，这些内容是机器学习理论和实践中的传统重点。其中不仅介绍各种常见数据类型的处理方法，还针对删失数据进行了专门的综述和实践。

• 第7章介绍机器学习领域较难的图计算话题，并从工业界视角解读如何将图计算落地。 

• 第8章针对特征工程、建模过程中大量调参的场景介绍自动机器学习的理论和应用，并细致比较和测试了各种自动特征工程算法在不同数据上的表现。

• 第9章介绍自然语言处理（词向量、序列标注、关键词抽取、自动摘要和情感分析）技术，使用新闻文本数据搭建文本分类的流程。

• 第10章介绍计算机视觉中图像分类和目标检测的应用以及车辆检测的落地案例。

本书既适合作为高等院校计算机、软件工程、人工智能等相关专业的教学用书，同时也可供从事机器学习相关领域的工程技术人员阅读和参考，帮助他们掌握机器学习相关的算法原理，并能通过专业工具平台快速搭建各类模型，构建机器学习的行业应用。

作者简介

星环科技人工智能平台团队

星环科技人工智能平台团队由五十多位优秀的研发工程师和算法工程师组成，逾八成具有国内外名校硕士及以上学历。其中研发子团队的工作重心为一站式人工智能建模平台Sophon；算法子团队则负责基础算法的研发及改进，并在数据挖掘、传统机器学习、计算机视觉、自然语言处理、知识图谱等领域进行前瞻性研究以及项目实施落地。星环科技人工智能平台团队一直致力于“把中国人自主研发的领先创新技术赋能全世界各行各业，促进社会可持续发展，通过科技让人类的生活更美好”。目前产品应用已覆盖金融、安防、电力、交通、教育等数十个行业和领域，申请专利近三十个。

目录

前言

丛书前言

本书编委会

前言

第1章 机器学习导论

1.1 什么是机器学习

1.1.1 机器学习的背景

1.1.2 机器学习的定义

1.1.3 机器学习的任务类型

1.1.4 构建机器学习应用的步骤 

1.2 开发机器学习工作流的方式

第2章 数据预处理与特征工程

2.1 特征提取

2.1.1 探索性数据分析

2.1.2 数值特征

2.1.3 类别特征

2.1.4 时间特征

2.1.5 文本特征

2.1.6 过滤方法

2.1.7 封装方法

2.1.8 嵌入方法

2.1.9 自动化特征工程

2.2 交互式数据预处理 

2.3 本章小结

第3章 回归模型

3.1 回归任务概述

3.2 回归算法原理

3.2.1 线性回归 

3.2.2 决策树回归

3.2.3 生存回归

3.3 Sophon 案例

3.4 本章小结

第4章 分类

4.1 分类任务概述

4.2 分类算法原理

4.2.1 逻辑回归

4.2.2 因子分解机

4.2.3 XGBoost

4.3 使用 Sophon 建立分类模型

4.3.1 场景介绍

4.3.2 建模过程

4.3.3 结果分析

4.4 本章小结

第5章 模型融合

5.1 集成学习理论

5.1.1 集成学习基本概念

5.1.2 个体学习器

5.1.3 基学习器集成

5.1.4 常用的集成学习方法

5.2 常用融合方法

5.2.1 平均法

5.2.2 学习法（Stacking 方法）

5.3 使用 Sophon 进行模型融合

5.3.1 场景与数据集介绍

5.3.2 建模过程

5.3.3 结果分析

5.4 本章小结

第6章 聚类 78

6.1 聚类任务概述

6.2 聚类算法原理

6.2.1 K-Means

6.2.2 Fuzzy C-Means

6.2.3 Canopy

6.2.4 高斯混合

6.3 聚类模型实例

6.3.1 场景介绍

6.3.2 建模过程

6.3.3 结果分析

6.4 本章小结

第7章 图计算

7.1 背景和问题描述

7.2 常用算法介绍

7.2.1 PageRank

7.2.2 标签传播

7.2.3 中心性检测

7.2.4 图嵌入 

7.3 落地案例

7.3.1 场景介绍

7.3.2 建模过程

7.3.3 结果分析

7.4 本章小结

第8章 自动机器学习

8.1 场景介绍

8.2 自动化特征工程

8.2.1 自动多表特征扩展

8.2.2 自动特征构建

8.3 建模过程

8.4 结果分析

8.5 真实测试案例

8.5.1 数据集

8.5.2 前置设置

8.5.3 测试结果分析

8.5.4 Abalone 和 Airfoil Self-Noise 数据集的增强测试

8.5.5 小结

8.6 本章小结

第9章 自然语言处理

9.1 自然语言处理算法原理

9.1.1 词向量

9.1.2 序列标注

9.1.3 关键词抽取

9.1.4 文本自动摘要

9.1.5 文本情感分析

9.2 使用 Sophon 建立自然语言处理模型

9.2.1 场景介绍

9.2.2 建模流程

9.2.3 模型评估

9.3 落地案例

9.4 本章小结

第10章 计算机视觉

10.1 计算机视觉概述

10.2 计算机视觉算法原理

10.2.1 图像分类

10.2.2 目标检测

10.3 计算机视觉模型示例

10.3.1 图像预处理

10.3.2 图像分类算法建模

10.3.3 目标检测算法建模

10.4 落地案例

10.5 本章小结

附录A 企业级人工智能应用平台Sophon

A.1 产品架构

A.2 技术特点

A.3 组件介绍能

A.4 Sophon Edge 边缘计算

A.5 Sophon EP 实体画像

A.6 Sophon KG 知识图谱

A.7 Sophon CV 图像分析

A.8 Sophon NLP 自然语言处理

A.9 Sophon Cloud 服务管理

你与世界

只差一个

公众号