机读格式显示(MARC)

• 000 02518cam 2200385 450

• 001 0000354018

• 005 20201012092400.0

• 010 __ |a 978-7-111-65233-5 |d CNY99.00

• 099 __ |a CAL 012020101923

• 100 __ |a 20200508d2020 ekmy0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ack a 001yy

• 106 __ |a r

• 200 1_ |a 机器学习基础 |A ji qi xue xi ji chu |e 面向预测数据分析的算法、实用范例与案例研究 |f (爱尔兰) 约翰·D. 凯莱赫, 布莱恩·马克·纳米, 奥伊弗·达西著 |d = Fundamentals of machine learning for predictive data analytics |e algorithms, worked examples, and case studies |f John D. Kelleher, Brian Mac Namee, Aoife D'Arcy |g 顾卓尔译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2020

• 215 __ |a XIV, 352页 |c 图, 肖像 |d 26cm

• 225 2_ |a 数据科学与工程技术丛书 |A shu ju ke xue yu gong cheng ji shu cong shu

• 300 __ |a 华章教育

• 306 __ |a 由MIT Press通过Bardon-Chinese Media Agency授权出版

• 314 __ |a 约翰·D.凯莱赫, 现为爱尔兰都柏林理工大学信息、通信和娱乐研究所教授和学术领导人。布莱恩·马克·纳米, 现为都柏林大学学院计算机科学学院副教授。奥伊弗·达西, 是位于都柏林的一家数据分析公Krisolis的首席执行官。顾卓尔, 博士毕业于英国华威大学。

• 320 __ |a 有书目 (第336-342页) 和索引

• 330 __ |a 本书详细讨论了预测数据分析中最重要的机器学习方法，涵盖基础理论和实际应用。在讨论了从数据到见解再到决策的过程之后，全书描述了机器学习的四种方法：基于信息的学习、基于相似性的学习、基于概率的学习和基于误差的学习。每种方法都是先对基本概念进行非技术性解释，然后给出由详细工作实例加以说明的数学模型和算法。最后介绍了评估预测模型的技术，并提供了两个案例研究，展示了机器学习在商业环境中的应用。

• 333 __ |a 本书适用于高等院校人工智能、数据科学与大数据、计算机科学、工程学以及数学或统计学专业本科生和研究生及数据分析等领域从业者

• 410 _0 |1 2001 |a 数据科学与工程技术丛书

• 500 10 |a Fundamentals of machine learning for predictive data analytics : algorithms, worked examples, and case studies |A Fundamentals Of Machine Learning For Predictive Data Analytics : Algorithms, Worked Examples, And Case Studies |m Chinese

• 517 1_ |a 面向预测数据分析的算法、实用范例与案例研究 |A mian xiang yu ce shu ju fen xi de suan fa、shi yong fan li yu an li yan jiu

• 606 0_ |a 机器学习 |A ji qi xue xi |x 研究

• 690 __ |a TP181 |v 5

• 701 _1 |a 凯莱赫 |A kai lai he |g (Kelleher, John D.), |f 1974- |4 著

• 701 _1 |a 纳米 |A na mi |g (Namee, Brian Mac) |4 著

• 701 _1 |a 达西 |A da xi |g (D'Arcy, Aoife) |4 著

• 702 _0 |a 顾卓尔 |A gu zhuo er |4 译

• 801 _2 |a CN |b PUL |c 20200928

• 905 __ |a AUSTL |d TP181/K479-2