MARC状态：订购 文献类型：中文图书 浏览次数：71
- 题名/责任者:
- Azure机器学习/(加) 杰夫·巴恩斯著 高雪松, 胡伟凤, 马琳涛译
- 出版发行项:
- 北京:人民邮电出版社,2018.11
- ISBN及定价:
- 978-7-115-48869-5/CNY55.00
- 载体形态项:
- 174页:图;24cm
- 统一题名:
- Azure machine learning
- 个人责任者:
- 巴恩斯 (Barnes, Jeff) 著
- 个人次要责任者:
- 马琳涛 译
- 个人次要责任者:
- 胡伟凤 译
- 个人次要责任者:
- 高雪松 译
- 学科主题:
- 机器学习-指南
- 中图法分类号:
- TP181-62
- 一般附注:
- 微软Azure机器学习专业指南
- 出版发行附注:
- 本书中文简体字版由美国Pearson Education授权人民邮电出版社出版
- 责任者附注:
- 杰夫·巴恩斯, 是微软合作伙伴企业架构团队的云解决方案架构 (CSA), 也是该团队的领导者。作为一名有17年工作经验的微软老兵, 杰夫·巴恩斯在零售、金融和制造行业有着非常丰富的实践经验和技术经验, 并且经常在微软和第三方活动上演讲。
- 提要文摘附注:
- 本书基于Azure Machine Learning Studio探讨了现代数据科学算法的背景、理论和实际应用。全书共8章。第1章描述了在数据科学领域, Azure机器学习如何通过实现完全托管的数据科学云服务迈出预测分析解决方案的关键一步; 第2章讲解预测分析科学和方法论的基本概念; 第3章探讨Azure ML Studio的基本原理; 第4章基于一个实用的Azure机器学习预测模型, 探讨可以用来调用Azure机器学习Web服务的客户端和服务器应用程序的类型; 第5章深入探讨Azure ML Studio提供的一些复杂的机器学习算法; 第6章探讨数据分析的挖掘方案, 包括自主数据分析、确定数据的相关性、推断逻辑分组以及被广泛研究的用“从树木到森林”的算法处理混乱数据的方案; 第7章介绍当今互联网中最强大和被广泛使用的预测分析的实现方法; 第8章探索如何将“持续学习”纳入到预测模型工作流的实现机制上。
- 使用对象附注:
- 本书适合从事云计算、机器学习和数据科学相关行业的开发人员、工程师阅读, 也适合用作大专院校相关专业和培训机构的教学用书
全部MARC细节信息>>