機器學習實踐指南

機器學習應用遍及人工智能的各個領域，是眾多數學科學家需要學習的內容。本書第壹部分提供了一個相當復雜的機器學習系統，以幫助讀者提高其效率。第二部分重點介紹了三個不同的基於現實世界的數據的案例研究，並提供相應解決方案。全書通過知識介紹，使讀者了解收集數據、准備使用數據、訓練模型、評估模型的性能，以及改進模型的性能的方法；通過對實際問題解決的講解，幫助讀者獲得處理機器學習問題的經驗。




作者:(英)阿圖爾·特里帕蒂 譯者:王喆 譯者:曹建勛

阿圖爾·特里帕蒂(Atul Tripathi)，在機器學習和量化投資領域有超過11年的從業經歷，並擁有14年的軟件開發和研究經驗。他一直致力於先進的機器學習技術，如神經網絡和馬爾可夫模型的研究。在研究機器學習技術的同時，他利用其解決了圖像處理、電信、語音識別和自然語言處理等領域相關的諸多問題。他還利用神經網絡模型開發了文本挖掘工具。在量化投資領域，他利用蒙特卡羅仿真開發了價值風險、極值定理、期權定價和能源衍生品等模型。