扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
经典原版书库人工智能开发实践:云端机器学习导论(英文版) 版权信息
- ISBN：9787111654025
- 条形码：9787111654025 ; 978-7-111-65402-5
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
经典原版书库人工智能开发实践:云端机器学习导论(英文版) 本书特色
本书不仅解释了如何将机器学习应用于大型数据集，还为技术反馈循环提供了一个有价值的视角。同时将帮助你逐步构建基于云的AI/ML应用程序，以解决体育营销、项目管理、产品定价、房地产等方面的实际问题。无论你是商业专业人士、决策者、学生还是程序员，本书介绍的案例研究都将有助于你解决几乎任何环境中的数据科学问题。
经典原版书库人工智能开发实践:云端机器学习导论(英文版) 内容简介
本书不仅解释了如何将机器学习应用于大型数据集，还为技术反馈循环提供了一个有价值的视角。同时将帮助你逐步构建基于云的AI/ML应用程序，以解决体育营销、项目管理、产品定价、房地产等方面的实际问题。无论你是商业专业人士、决策者、学生还是程序员，本书介绍的案例研究都将有助于你解决几乎任何环境中的数据科学问题。
经典原版书库人工智能开发实践:云端机器学习导论(英文版) 目录
**部分 实用人工智能基础
第1章 实用人工智能简介3
Python功能介绍4
程序语句4
字符串和字符串格式化6
数字与算术运算8
数据结构9
函数11
在Python中使用控制结构18
for循环18
while循环19
if/else语句20
生成器表达式20
列表推导式21
中级主题21
进一步思考24
第2章 人工智能与机器学习的工具链27
Python数据科学生态系统：IPython、Pandas、NumPy、Jupyter Notebook、scikit-learn27
R语言、RStudio、Shiny和ggplot28
电子表格：Excel和Google表格28
使用Amazon网络服务开发云端AI 29
AWS上的DevOps29
持续交付 29
为AWS创建软件开发环境 30
集成Jupyter Notebook 35
集成命令行工具 38
集成AWS CodePipeline 41
数据科学中的基本Docker容器设置45
其他构建服务器：Jenkins、CircleCI、Codeship和Travis46
小结46
第3章 斯巴达式AI生命周期47
实用生产反馈回路47
AWS SageMaker50
AWS Glue反馈回路51
AWS批处理55
基于Docker容器的反馈回路56
小结58
第二部分 云端人工智能
第4章 使用Google云平台开发云端AI61
Google云平台概述62
Colaboratory合作实验工具62
Datalab数据处理工具64
使用Docker和Google容器注册表扩展Datalab 64
使用Datalab启动强大的机器 65
BigQuery云数据仓库67
Google云端AI服务69
云端TPU和TensorFlow72
小结74
第5章 使用Amazon Web服务开发云端AI 75
在AWS上构建增强现实和虚拟现实解决方案77
计算机视觉：带有EFS和Flask的AR/VR管道 77
带EFS、Flask和Pandas的数据工程管道 79
小结93
第三部分 创建实际AI应用程序
第6章 预测社交媒体在NBA中的影响力97
提出问题97
收集具有挑战性的数据源116
收集运动员的Wikipedia页面访问量 116
收集运动员的Twitter参与度 120
探索NBA运动员数据 123
NBA球员的无监督机器学习126
使用R语言对NBA球员执行分面聚类绘图 127
汇总：球队、球员、影响力和广告代言 129
更多的实际进阶与学习131
小结132
第7章 使用AWS创建智能的Slack机器人133
创建机器人133
将库转换为命令行工具134
使用AWS工作流服务将机器人提升到新水平136
获取IAM证书设置136
建立工作流144
小结146
第8章 从GitHub组织中寻找项目管理的思考147
软件项目管理问题综述147
开始创建数据科学项目框架149
收集和转换数据150
与GitHub组织交·流152
创建特定领域的统计信息153
将数据科学项目连接到CLI客户端154
使用Jupyter Notebook探索GitHub 组织156
查看CPython项目中的文件元数据158
查看CPython项目中的已删除文件161
将项目部署到Python包索引库164
小结166
第9章 动态优化基于AWS的弹性计算云（EC2）实例167
在AWS上运行作业167
EC2 Spot实例 167
Spot实例理论和定价历史 168
编写Spot实例启动程序 176
编写更复杂的Spot实例启动程序 181
小结182
第10章 房地产数据研究183
美国房地产价值探索183
Python中的交互式数据可视化185
规模等级和价格聚类187
小结194
第11章 用户生成内容的生产环境AI195
Netflix奖未在生产中实施196
推荐系统的基本概念196
在Python中使用Surprise 框架197
推荐系统的云解决方案199
推荐系统的实际生产问题200
云端自然语言处理和情绪分析204
Azure上的NLP 204
GCP上的NLP 208
AWS上的生产型无服务器NLP AI管道 210
小结215
附录A AI加速器217
附录B 聚类大小的选择219
索 引221
Contents
I: Introduction to Pragmatic AI 1
1 Introduction to Pragmatic AI 3
Functional Introduction to Python 4
Procedural Statements 4
Strings and String Formatting 6
Numbers and Arithmetic Operations 8
Data Structures 9
Functions 11
Using Control Structures in Python 18
for Loops 18
while Loops 19
if/else 20
Generator Expression 20
List Comprehension 21
Intermediate Topics 21
Final Thoughts 24
2 AI and ML Toolchain 27
Python Data Science Ecosystem: IPython, Pandas, NumPy, Jupyter Notebook, scikit-learn 27
R, RStudio, Shiny, and ggplot 28
Spreadsheets: Excel and Google Sheets 28
Cloud AI Development with Amazon Web Services 29
DevOps on AWS 29
Continuous Delivery 29
Creating a Software Development Environment for AWS 30
Integrating Jupyter Notebook 35
Integrating Command-Line Tools 38
Integrating AWS CodePipeline 41
Basic Docker Setup for Data Science 45
Other Build Servers: Jenkins, CircleCI, and Travis 46
Summary 46
3 Spartan AI Lifecycle 47
Pragmatic Production Feedback Loop 47
AWS SageMaker 50
AWS Glue Feedback Loop 51
AWS Batch 55
Docker-based Feedback Loops 56
Summary 58
II: AI in the Cloud 59
4 Cloud AI Development with Google Cloud Platform 61
GCP Overview 62
Colabo
第1章 实用人工智能简介3
Python功能介绍4
程序语句4
字符串和字符串格式化6
数字与算术运算8
数据结构9
函数11
在Python中使用控制结构18
for循环18
while循环19
if/else语句20
生成器表达式20
列表推导式21
中级主题21
进一步思考24
第2章 人工智能与机器学习的工具链27
Python数据科学生态系统：IPython、Pandas、NumPy、Jupyter Notebook、scikit-learn27
R语言、RStudio、Shiny和ggplot28
电子表格：Excel和Google表格28
使用Amazon网络服务开发云端AI 29
AWS上的DevOps29
持续交付 29
为AWS创建软件开发环境 30
集成Jupyter Notebook 35
集成命令行工具 38
集成AWS CodePipeline 41
数据科学中的基本Docker容器设置45
其他构建服务器：Jenkins、CircleCI、Codeship和Travis46
小结46
第3章 斯巴达式AI生命周期47
实用生产反馈回路47
AWS SageMaker50
AWS Glue反馈回路51
AWS批处理55
基于Docker容器的反馈回路56
小结58
第二部分 云端人工智能
第4章 使用Google云平台开发云端AI61
Google云平台概述62
Colaboratory合作实验工具62
Datalab数据处理工具64
使用Docker和Google容器注册表扩展Datalab 64
使用Datalab启动强大的机器 65
BigQuery云数据仓库67
Google云端AI服务69
云端TPU和TensorFlow72
小结74
第5章 使用Amazon Web服务开发云端AI 75
在AWS上构建增强现实和虚拟现实解决方案77
计算机视觉：带有EFS和Flask的AR/VR管道 77
带EFS、Flask和Pandas的数据工程管道 79
小结93
第三部分 创建实际AI应用程序
第6章 预测社交媒体在NBA中的影响力97
提出问题97
收集具有挑战性的数据源116
收集运动员的Wikipedia页面访问量 116
收集运动员的Twitter参与度 120
探索NBA运动员数据 123
NBA球员的无监督机器学习126
使用R语言对NBA球员执行分面聚类绘图 127
汇总：球队、球员、影响力和广告代言 129
更多的实际进阶与学习131
小结132
第7章 使用AWS创建智能的Slack机器人133
创建机器人133
将库转换为命令行工具134
使用AWS工作流服务将机器人提升到新水平136
获取IAM证书设置136
建立工作流144
小结146
第8章 从GitHub组织中寻找项目管理的思考147
软件项目管理问题综述147
开始创建数据科学项目框架149
收集和转换数据150
与GitHub组织交·流152
创建特定领域的统计信息153
将数据科学项目连接到CLI客户端154
使用Jupyter Notebook探索GitHub 组织156
查看CPython项目中的文件元数据158
查看CPython项目中的已删除文件161
将项目部署到Python包索引库164
小结166
第9章 动态优化基于AWS的弹性计算云（EC2）实例167
在AWS上运行作业167
EC2 Spot实例 167
Spot实例理论和定价历史 168
编写Spot实例启动程序 176
编写更复杂的Spot实例启动程序 181
小结182
第10章 房地产数据研究183
美国房地产价值探索183
Python中的交互式数据可视化185
规模等级和价格聚类187
小结194
第11章 用户生成内容的生产环境AI195
Netflix奖未在生产中实施196
推荐系统的基本概念196
在Python中使用Surprise 框架197
推荐系统的云解决方案199
推荐系统的实际生产问题200
云端自然语言处理和情绪分析204
Azure上的NLP 204
GCP上的NLP 208
AWS上的生产型无服务器NLP AI管道 210
小结215
附录A AI加速器217
附录B 聚类大小的选择219
索 引221
Contents
I: Introduction to Pragmatic AI 1
1 Introduction to Pragmatic AI 3
Functional Introduction to Python 4
Procedural Statements 4
Strings and String Formatting 6
Numbers and Arithmetic Operations 8
Data Structures 9
Functions 11
Using Control Structures in Python 18
for Loops 18
while Loops 19
if/else 20
Generator Expression 20
List Comprehension 21
Intermediate Topics 21
Final Thoughts 24
2 AI and ML Toolchain 27
Python Data Science Ecosystem: IPython, Pandas, NumPy, Jupyter Notebook, scikit-learn 27
R, RStudio, Shiny, and ggplot 28
Spreadsheets: Excel and Google Sheets 28
Cloud AI Development with Amazon Web Services 29
DevOps on AWS 29
Continuous Delivery 29
Creating a Software Development Environment for AWS 30
Integrating Jupyter Notebook 35
Integrating Command-Line Tools 38
Integrating AWS CodePipeline 41
Basic Docker Setup for Data Science 45
Other Build Servers: Jenkins, CircleCI, and Travis 46
Summary 46
3 Spartan AI Lifecycle 47
Pragmatic Production Feedback Loop 47
AWS SageMaker 50
AWS Glue Feedback Loop 51
AWS Batch 55
Docker-based Feedback Loops 56
Summary 58
II: AI in the Cloud 59
4 Cloud AI Development with Google Cloud Platform 61
GCP Overview 62
Colabo
展开全部
经典原版书库人工智能开发实践:云端机器学习导论(英文版) 作者简介
挪亚·吉夫特（Noah Gift）是加州大学戴维斯分校研究生院工商管理硕士项目专业讲师及顾问。他讲授研究生机器学习课程，为学生和教师提供机器学习和云架构方面的咨询。他发表了近100篇技术出版物，包括云端机器学习和开发运维专题方面的两本书籍。Gift是拥有AWS认证的解决方案架构师，同时也是AWS云端机器学习专家，他帮助创建了AWS云端机器学习专业方向的认证。Gift曾获得加州大学戴维斯分校工商管理硕士学位、加州州立大学洛杉矶分校计算机信息系统硕士学位以及圣路易斯一奥比斯波的加州州立理工大学营养科学学士学位。 Noah Gift有近20年Python职业编程经验，是Python软件基金会会士。他曾担任CTO、总经理、咨询CTO和云架构师等职位，也有在ABC、加州理工学院、Sony图像工作室、Disney动画、Weta数码、AT&T、Turner工作室和Linden实验室等多家机构从业的经历。在过去10年中，他负责了多家公司的新产品发布，这些新产品在全球范围内创造了数百万美元收益。目前，他是Pragmatic AI Labs公司创始人，该公司旨在为初创公司等提供机器学习、云架构和CTO级别的咨询服务。
书友推荐
- >
名家带你读鲁迅:朝花夕拾
名家带你读鲁迅:朝花夕拾
¥10.5¥21.0 - >
月亮与六便士
月亮与六便士
¥13.4¥42.0 - >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥40.6¥58.0 - >
经典常谈
经典常谈
¥17.1¥39.8 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥16.0¥45.8 - >
月亮虎
月亮虎
¥17.8¥48.0 - >
推拿
推拿
¥12.2¥32.0 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.3¥10.0
本类畅销
-
深度学习自然语言处理实战
¥25.8¥59.9 -
过程控制
¥11.9¥35 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6
