Ebook Machine Learning Algorithm in Depth [Ấn Bản Lần 1, Tháng 7-2024] [PDF + CODE] [9619E]
Tìm hiểu cách thức hoạt động của các thuật toán machine learning từ đầu để bạn có thể khắc phục sự cố hiệu quả cho mô hình của mình và cải thiện hiệu suất của chúng.
Hiểu đầy đủ cách thức hoạt động của các thuật toán machine learning là điều cần thiết đối với bất kỳ ML engineer nào. Trong Machine Learning Algorithms in Depth, bạn sẽ khám phá các triển khai thực tế của hàng chục thuật toán ML bao gồm:
- ✓ Monte Carlo Stock Price Simulation.
- ✓ Image Denoising bằng Mean-Field Variational Inference.
- ✓ Thuật toán EM cho các Hidden Markov Model.
- ✓ Imbalanced Learning, Active Learning & Ensemble Learning.
- ✓ Bayesian Optimization cho Hyperparameter Tuning.
- ✓ Dirichlet Process K-Means cho các ứng dụng Clustering.
- ✓ Stock Clusters dựa trên Inverse Covariance Estimation.
- ✓ Energy Minimization sử dụng Simulated Annealing.
- ✓ Image Search dựa trên ResNet Convolutional Neural Network.
- ✓ Anomaly Detection trong Time-Series sử dụng Variational Autoencoders.
Machine Learning Algorithms in Depth đi sâu vào thiết kế và các nguyên tắc cơ bản của một số thuật toán machine learning (ML) thú vị nhất trên thế giới hiện nay. Với sự nhấn mạnh đặc biệt vào các thuật toán xác suất, bạn sẽ tìm hiểu các nền tảng về Bayesian inference và deep learning. Bạn cũng sẽ khám phá các cấu trúc dữ liệu cốt lõi và các mô hình thuật toán cho machine learning. Mỗi thuật toán được khám phá đầy đủ với cả toán học và các triển khai thực tế để bạn có thể thấy cách chúng hoạt động và cách chúng được đưa vào hoạt động.
Về công nghệ:
Tìm hiểu cách các thuật toán machine learning hoạt động từ đầu để bạn có thể khắc phục sự cố hiệu quả cho các mô hình của mình và cải thiện hiệu suất của chúng. Cuốn sách này hướng dẫn bạn từ nền tảng toán học cốt lõi của các thuật toán ML quan trọng nhất đến các triển khai Python của chúng, đặc biệt tập trung vào các phương pháp dựa trên xác suất.
Về cuốn sách:
Machine Learning Algorithms in Depth phân tích và giải thích hàng chục thuật toán trên nhiều ứng dụng khác nhau, bao gồm tài chính, thị giác máy tính và NLP. Mỗi thuật toán đều được suy ra từ toán học, sau đó là triển khai Python thực hành cùng với các chú thích code sâu sắc và đồ họa thông tin. Bạn sẽ đặc biệt đánh giá cao các diễn giải rõ ràng của tác giả về các thuật toán Bayesian cho các mô hình Monte Carlo và Markov.
Nội dung bên trong:
- ✓ Monte Carlo stock price simulation.
- ✓ Thuật toán EM cho các hidden Markov model.
- ✓ Imbalanced learning, active learning, & ensemble learning.
- ✓ Bayesian optimization cho hyperparameter tuning.
- ✓ Anomaly detection trong time-series.
Giới thiệu về người đọc:
Dành cho các machine learning practitioner quen thuộc với đại số tuyến tính, xác suất và phép tính cơ bản.
Mục lục:
- ✓ Phần 1. Giới thiệu các thuật toán ML:
- ✓ Chương 01. Các Thuật toán Machine Learning.
- ✓ Chương 02. Markov chain Monte Carlo.
- ✓ Chương 03. Variational inference.
- ✓ Chương 04. Software implementation.
- ✓ Phần 2. Supervised learning:
- ✓ Chương 05. Các Thuật toán Classification.
- ✓ Chương 06. Các Thuật toán Regression.
- ✓ Chương 07. Các thuật toán Selected supervised learning.
- ✓ Phần 3. Unsupervised learning:
- ✓ Chương 08. Fundamental unsupervised learning algorithms.
- ✓ Chương 09. Selected unsupervised learning algorithms.
- ✓ Phần 4. Deep learning:
- ✓ Chương 10. Fundamental deep learning algorithms.
- ✓ Chương 11. Advanced deep learning algorithms.
- ✓ Phụ lục A. Tài liệu đọc thêm và các nguồn tham khảo.
- ✓ Phụ lục B. Đáp án các bài tập.
LƯU Ý: Pass mở file pdf là mật khẩu giải nén chung của tài liệu !