内容简介:最近红色石头在浏览网页的时候,偶然发现一份非常不错的 AI 资源,就是这本《AI 算法工程师手册》 。本文将给大家推荐这本优秀教材,并作详细的介绍。这本《AI 算法工程师手册》已正式开源,无需购买纸质书籍,可以直接在线阅读,体验感爆棚。在线阅读地址为:
最近红色石头在浏览网页的时候,偶然发现一份非常不错的 AI 资源,就是这本《AI 算法工程师手册》 。本文将给大家推荐这本优秀教材,并作详细的介绍。
这本《AI 算法工程师手册》已正式开源,无需购买纸质书籍,可以直接在线阅读,体验感爆棚。在线阅读地址为:
作者简介
首先不得不提一下本书的作者,作者华校专,曾经在阿里巴巴担任资深算法工程师,现任智易科技首席算法研究员。他还是《Python 大战机器学习》书籍的作者。
书籍介绍
这本《AI 算法工程师手册》是作者多年以来学习总结的笔记,经整理之后开源于世。关于为什么将完整书籍开源,作者是这样说的:曾有出版社约稿,但是考虑到出版时间周期较长,而且书本购买成本高不利于技术广泛传播,因此就采取开源的形式。
既然本书是 AI 算法工程师的手册,因此内容非常丰富,基本涵盖了机器学习、深度学习等领域的很多重要理论知识和实战经验,同时也介绍了工程应用中经常使用的 AI 工具和编程库。
书籍整体包含了 5 大块内容,分别是:
- 数学基础
-
统计学习
-
深度学习
-
自然语言处理
-
工具
下面我们分别来看一下各模块的内容。
1. 数学基础
提升 AI 内功心法离不开扎实的数学基础。本书数学基础这部分,作者主要介绍了最重要的 4 点:
- 线性代数基础
-
概率论基础
-
数值计算基础
-
蒙特卡洛方法与 MCMC 采样
例如线性代数部分最基本的基础知识:
2. 统计学习
这部分内容作者花了比较大的篇幅,主要介绍的是机器学习中一些常见的算法,包括线性回归、感知机、支持向量机、决策树、集成学习等。同时还包括模型评估、特征选择、降维等。具体内容如下:
- 机器学习简介
-
线性代数基础
-
支持向量机
-
朴素贝叶斯
-
决策树
-
knn
-
集成学习
-
梯度提升树
-
特征工程
-
模型评估
-
降维
-
聚类
-
半监督学习
-
EM算法
-
最大熵算法
-
隐马尔可夫模型
-
概率图与条件随机场
-
边际概率推断
每个算法的理论介绍非常详细、数学推导完整,例如支持向量机中关于对偶问题的推导:
3. 深度学习
这部分主要介绍深度学习神经网络的基本知识和模型,包括前馈神经网络、卷积神经网络、循环神经网络等。具体内容如下:
- 深度学习简介
-
反向传播算法
-
正则化
-
最优化基础
-
卷积神经网络
-
循环神经网络
-
工程实践指导原则
这部分详细介绍了神经网络模型的基本结构和训练方法,例如列举了经典 CNN 结构:LeNet、AlexNet、VGG-Net、Inception、ResNet、ResNet 变种、SENet、DenseNet。
1998 年 LeCun 推出的 LeNet 网络:
4. 自然语言处理
这部分作者主要介绍了自然语言处理领域的 2 个方面:
**1. 主题模型 **
- Unigram Model
-
pLSA Model
-
LDA Model
-
型讨论
2. 词向量
- 向量空间模型 VSM
-
LSA
-
Word2Vec
-
GloVe
5. 工具
这部分主要介绍了 AI 常用 工具 和函数库,具体内容如下:
- CRF
-
lightgbm
-
xgboost
-
scikit-learn
-
spark
-
numpy
-
scipy
-
matplotlib
-
pandas
这部分的内容更加侧重于 AI 实战,包含很多具体函数库的使用教程和代码。例如 lightbgm 是一个快速的,分布式的,高性能的基于决策树算法的梯度提升框架。可用于排序,分类,回归以及很多其他的机器学习任务中。本书对 lightbgm 的安装、各参数含义、调参、使用等都作了详细的介绍,宛如一份优秀的中文文档!
这里附上 lightbgm 简单的 pip 安装方法:
pip install lightgbm pip install --no-binary :all: lightgbm #从源码编译安装 pip install lightgbm --install-option=--mpi #从源码编译安装 MPI 版本 pip install lightgbm --install-option=--gpu #从源码编译安装 GPU 版本 pip install lightgbm --install-option=--gpu --install-option="--opencl-include-dir=/usr/local/cuda/include/" --install-option="--opencl-library=/usr/local/cuda/lib64/libOpenCL.so" #从源码编译安装,指定配置 #可选的配置有: # boost-root # boost-dir # boost-include-dir # boost-librarydir # opencl-include-dir # opencl-library
同样,像 xgboost、scikit-learn 等库,书中也作了详尽的解释。除此之外,还有 spark 的内容哦,可以说是非常全面了。
最后
不得不说,这本《AI 算法工程师手册》是一本比较完备的 AI 书籍,既包含了算法理论,也有实战 AI 算法库的使用。作为一份参考手册还是非常不错的!
更重要的是本书完全开源,直接在线阅读就好了。不过注意该书籍仅供个人学习使用,非作者同意不得应用于商业领域。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 三次成功挑战目标跟踪算法极限,商汤开源 SiamRPN 系列算法
- Facebook正式开源DeepFocus渲染算法
- 开源 | Alink:阿里巴巴开源的基于 Flink 的通用算法平台
- 微软开源SEAL简单加密算法函数库
- 微软Bing团队开源SPTAG搜索算法
- 清华&商汤开源超高精度边缘感知人脸对齐算法
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Processing编程学习指南(原书第2版)
[美]丹尼尔希夫曼(Daniel Shiffman) / 李存 / 机械工业出版社 / 2017-3-1 / 99.00元
在视觉化界面中学习电脑编程的基本原理! 本书介绍了编程的基本原理,涵盖了创建最前沿的图形应用程序(例如互动艺术、实时视频处理和数据可视化)所需要的基础知识。作为一本实验风格的手册,本书精心挑选了部分高级技术进行详尽解释,可以让图形和网页设计师、艺术家及平面设计师快速熟悉Processing编程环境。 从算法设计到数据可视化,从计算机视觉到3D图形,在有趣的互动视觉媒体和创意编程的背景之......一起来看看 《Processing编程学习指南(原书第2版)》 这本书的介绍吧!
图片转BASE64编码
在线图片转Base64编码工具
HTML 编码/解码
HTML 编码/解码