机器学习开发实战(英文版)/经典原版书库

本书机器学习入门书籍，面向需要提升数据科学技能的开发人员和需要提升编程技能的数据科学家，涵盖了从机器学习基础概念到完整解决方案的各个方面。本书共分为五个部分，主要内容包括人工智能基础知识、实现机器学习解决方案的步骤、微软的ML.NET库、实用的机器学习算法、神经网络、AI云服务等，并且免费提供使用ML.NET库构建的代码示例。

迪诺·埃斯波西托（Dino Esposito） 在程序开发领域拥有超过25年的经验，14次被评为微软很有价值专家（MVP），撰写了20多本书，包括畅销书Microsoft .NET: Architecting Applications for the Enterprise，连续22年为《MSDN杂志》撰写专栏，并经常为微软及优选各类企业的程序开发人员做培训。目前担任BaxEnergy公司的数字战略师，专注于智慧城市和智慧能源等领域。

弗朗西斯科·埃斯波西托（Francesco Esposito） 软件和AI公司Youbiquitous的创始人，并且运营着一家小型投资公司。他在青少年时期就为iOS、Android和Windows Phone等平台开发了多款应用程序，目前专注于数学和数据科学，特别关注水和医疗保健领域。

部分 机器学习基础
章 人类是如何学习的
迈向思考型机器
机器推理的曙光
哥德尔不完备定理
计算机的形式化
迈向人类思想的形式化
人工智能学科的诞生
学习原理
什么是智能软件
神经元是如何工作的
大棒加胡萝卜法
应变能力
人工智能的形式
原始智能
专家系统
自治系统
人工情感的形式
小结
第2章 智能软件
应用人工智能
软件智能的发展
专家系统
通用人工智能
无监督学习
监督学习
小结
第3章 映射问题和算法
基本问题
对象分类
结果预测
对象分组
更复杂的问题
图像分类
目标检测
文本分析
自动机器学习
AutoML平台概述
AutoML模型构建器实战
小结
第4章 机器学习解决方案的一般步骤
数据收集
组织中的数据驱动文化
存储选项
数据准备
提高数据质量
清洗数据
特征工程
最终确定训练数据集
模型选择及训练
算法速查表
神经网络案例
评估模型性能
模型部署
选择合适的主机平台
公开API
小结
第5章 数据因素
数据质量
数据有效性
……
第二部分 .NET中的机器学习
第三部分 浅层学习基础
第四部分 深度学习基础
第五部分 思考