《产品经理进阶:100个案例搞懂人工智能》林中翘【文字版_PDF电子书_下载】

《产品经理进阶:100个案例搞懂人工智能》封面图片
书名:产品经理进阶:100个案例搞懂人工智能
作者:林中翘著
出版社:电子工业出版社
译者:
出版日期:2019-8
页数:272
ISBN:9787121364983
0
豆瓣短评

搜索下载

当当正版

亚马逊购买

全网资源

内容简介:

本书根据人工智能领域产品经理的能力要求与知识体系,从原理到应用介绍人工智能的相关技术,全面阐述如何进阶为一名合格的人工智能产品经理。本书共分为13章,其中第1~3章介绍机器学习能做什么及如何去做,第4~10章介绍7种基础算法的原理与商业化应用,第11~13章介绍深度学习在图像识别、自然语言处理与AI绘画三个方向的发展与成果。本书不局限于从数学角度推导各类机器学习算法的原理,而是配合大量案例,由浅入深地讲述什么是机器学习、机器学习如何解决问题及机器学习需要产品经理做什么。本书能够帮助初入人工智能领域的产品经理建立对算法的理解,并将这些知识融入不同领域的业务中,发现更多的应用场景,创造更多的应用可能。

作者简介:

林中翘,平安科技资深产品经理,负责集团数据平台建设与大数据应用,擅长人工智能技术在金融领域的商业化应用,曾主导平安电话平台智能进线识别、寿险新渠道产能提升、ONES平台建设等多个项目。人人都是产品经理社区与PMCAFF社区专栏作家。

目  录:

目录

1 机器学习入门 ....................................................................................................... 1

1.1 什么是机器学习 ........................................................................................... 1

1.1.1 人类学习 VS 机器学习.................................................................. 1

1.1.2 机器学习三要素 ............................................................................... 3

1.2 什么问题适合用机器学习方法解决 ........................................................... 5

1.2.1 必备条件 .......................................................................................... 5

1.2.2 机器学习可解决的问题 ................................................................... 7

1.3 机器学习的过程 ........................................................................................... 9

1.3.1 机器学习的三个阶段 ....................................................................... 9

1.3.2 模型的训练及选择 ......................................................................... 11

1.4 机器学习的类型 ......................................................................................... 12

1.4.1 有监督学习..................................................................................... 13

1.4.2 无监督学习..................................................................................... 14

1.4.3 半监督学习..................................................................................... 14

1.4.4 强化学习 ........................................................................................ 15

1.5 产品经理的经验之谈 ................................................................................. 16

2 数据的准备工作 ................................................................................................. 18

2.1 数据预处理 ................................................................................................. 18

2.1.1 为什么要做数据预处理 ................................................................. 18

2.1.2 数据清洗 ........................................................................................ 20

2.1.3 数据集成 ........................................................................................ 23

2.1.4 数据变换 ........................................................................................ 24

2.1.5 数据归约 ........................................................................................ 26

2.2 特征工程 ..................................................................................................... 27

2.2.1 如何进行特征工程 ......................................................................... 27

2.2.2 特征构建 ........................................................................................ 27

2.2.3 特征提取 ........................................................................................ 28

2.2.4 特征选择 ........................................................................................ 31

2.3 产品经理的经验之谈 ................................................................................. 34

3 了解你手上的数据 ............................................................................................ 36

3.1 你真的了解数据吗 ..................................................................................... 36

3.1.1 机器学习的数据统计思维 ............................................................. 36

3.1.2 数据集 ............................................................................................ 37

3.1.3 数据维度 ........................................................................................ 41

3.1.4 数据类型 ........................................................................................ 42

3.2 让数据更直观的方法 ................................................................................. 43

3.2.1 直方图 ............................................................................................ 43

3.2.2 散点图 ............................................................................................ 44

3.3 常用的评价模型效果指标 ......................................................................... 45

3.3.1 混淆矩阵 ........................................................................................ 45

3.3.2 准确率 ............................................................................................ 46

3.3.3 精确率与召回率 ............................................................................. 47

3.3.4 F 值 ................................................................................................. 49

3.3.5 ROC 曲线 ....................................................................................... 50

3.3.6 AUC 值 ........................................................................................... 54

3.4 产品经理的经验之谈 ................................................................................. 55

4 趋势预测专家:回归分析 ................................................................................ 57

4.1 什么是回归分析 ......................................................................................... 57

4.2 线性回归 ..................................................................................................... 58

4.2.1 一元线性回归 ................................................................................. 58

4.2.2 多元线性回归 ................................................................................. 63

4.3 如何评价回归模型的效果 ......................................................................... 66

4.4 逻辑回归 ..................................................................................................... 68

4.4.1 从线性到非线性 ............................................................................. 68

4.4.2 引入 Sigmoid 函数 ......................................................................... 71

4.5 梯度下降法 ................................................................................................. 74

4.5.1 梯度下降原理 ................................................................................. 74

4.5.2 梯度下降的特点 ............................................................................. 76

4.6 产品经理的经验之谈 ................................................................................. 77

5 最容易理解的分类算法:决策树 ................................................................... 79

5.1 生活中的决策树 ......................................................................................... 79

5.2 决策树原理 ................................................................................................. 80

5.3 决策树实现过程 ......................................................................................... 82

5.3.1 ID3 算法 ......................................................................................... 83

5.3.2 决策树剪枝..................................................................................... 86

5.4 ID3 算法的限制与改进 .............................................................................. 88

5.4.1 ID3 算法存在的问题 ..................................................................... 88

5.4.2 C4.5 算法的出现 ............................................................................ 89

5.4.3 CART 算法 ..................................................................................... 95

5.4.4 三种树的对比 ................................................................................. 97

5.5 决策树的应用 ............................................................................................. 98

5.6 产品经理的经验之谈 ...............................................................................

猜你喜欢