书名：机器学习的产业实践之路  
定价：149.0  
ISBN：9787111726159  
作者：毕然  
版次：1  

内容提要：  

本书的内容章节分为四个部分，从技术原理到项目实践再到商业战略，逐层放开视野。内容涉及基于人工智能技术在产业中做创新业务的方法论，通过交流“思想”和“应用方法论”，使大家掌握机器学习的深层次思想，并理解商业、产品和技术的深层关系。

目录：  

目录

前言

第一部分　原理与思考

第1章　机器学习与大数据2

1.1　机器为何能学习2

1.1.1　人类为何能学习2

1.1.2　从个案学习到统计学习3

1.1.3　统计学习是否可信5

1.2　机器是怎样学习的9

1.2.1　机器学习的框架：假设＋目标＋寻解9

1.2.2　如何在机器学习场景中应用大数定律14

1.2.3　大数据对机器学习的意义17

1.2.4　小结20

1.3　跨上人工智能的战车20

1.3.1　大数据的概念及价值20

1.3.2　企业为何要搭上人工智能的战车24

1.3.3　企业如何搭上人工智能的战车27

1.3.4　人工智能技术团队的建设38

第2章　机器学习框架的深入探讨40

2.1　机器为何能学习（续）：故事结束了吗？我们需要更多的

　　?模型吗40

2.1.1　牛顿第二定律的遗留问题40

2.1.2　新的需求场景43

2.1.3　不同的目标49

2.1.4　不同的寻解54

2.1.5　小结与回顾60

2.2　重要权衡与过拟合62

2.2.1　重要权衡的四张“面孔”62

2.2.2　过拟合的成因和防控68

2.2.3　小结与回顾77

第3章　从线性函数到非线性函数，如何构建强大的模型78

3.1　从线性函数到非线性函数78

3.1.1　线性模型的不足78

3.1.2　怎样扩展假设空间79

3.2　核函数方法82

3.2.1　正则化的另一种理解与SVM模型82

3.2.2　核函数的思路86

3.3　多模型组合的方法88

3.3.1　组合模型的两个好处88

3.3.2　实现组合模型的两个步骤和方法89

3.3.3　装袋方式91

3.3.4　提升方式92

3.3.5　切分方式93

3.3.6　小结96

3.4　神经网络与深度学习97

3.4.1　神经网络和深度学习的模型思路97

3.4.2　组建神经网络98

3.4.3　神经网络模型的优化99

3.4.4　非线性变换函数的选择102

3.4.5　神经网络结构的选择104

3.4.6　深度学习得到发展的前提及其具备的优势107

3.4.7　深度学习的重要衍生功能111

第4章　机器学习的建模实践122

4.1　业务建模122

4.1.1　如何做好业务建模122

4.1.2　案例：两个不同的排序模型124

4.2　特征工程128

4.2.1　特征工程的定义128

4.2.2　信息可以存储在特征中，也可以存储在模型中129

4.2.3　特征工程案例131

4.2.4　特征的类型和维度135

4.2.5　特征存在缺失或错误值时怎么办137

4.2.6　特征降维和选择137

4.3　样本处理140

4.3.1　训练样本的基本概念140

4.3.2　训练样本的常见问题及其解决方案141

4.4　模型评估151

4.4.1　业务目标的评估151

4.4.2　模型目标的评估155

4.5　小结170

第二部分　应用与方法

第5章　电商平台促销策略模型174

5.1　业务背景174

5.1.1　互联网的盈利模式174

5.1.2　广告定价机制175

5.2　传统的促销方案176

5.2.1　问题1：如何选择促销时机177

5.2.2　问题2：如何为店铺制定广告消费任务179

5.2.3　问题3：如何设置优惠定价模型182

5.3　基于竞争传播的颠覆创新190

5.3.1　颠覆创新的思考190

5.3.2　竞争传播模型192

5.3.3　种子集合筛选算法197

5.4　小结198

第6章　计算机视觉及其应用产品的构建199

6.1　计算机视觉产品的问题背景199

6.2　图像的特征表示 200

6.2.1　SIFT特征201

6.2.2　CNN模型与特征205

6.2.3　实现高速计算的方法：特征降维221

6.3　视觉产品的构建案例223

6.3.1　如何在海量数据中寻找匹配的图像223

6.3.2　如何识别和理解图像中的实体信息223

6.3.3　其他计算机视觉领域常见任务233

6.4　计算机视觉应用的产业分析236

6.4.1　计算机视觉在互联网行业的应用237

6.4.2　计算机视觉在传统行业的应用243

6.5　小结245

第7章　知识图谱和对话机器人248

7.1　知识图谱技术248

7.1.1　两类信息248

7.1.2　人工智能技术的发展历程248

7.1.3　什么是知识图谱250

7.1.4　知识图谱的应用场景251

7.2　基于知识的人机交互253

7.2.1　基于领域知识优化人机交互策略253

7.2.2　领域知识的挖掘257

7.3　对话机器人的产业分析与技术方案266

7.3.1　技术流派与实现方案266

7.3.2　技术应用两大方向268

7.3.3　技术实现276

7.3.4　应用MDP和Q-learning算法的案例283

第三部分　商业与战略

第8章　认知新技术：区块链290

8.1　从创造者的视角理解技术290

8.1.1　货币的本质是什么292

8.1.2　如何记账293

8.1.3　如何保证账本的真实性294

8.1.4　如何保证账本的安全性294

8.1.5　如何实现分布式存储的数据同步295

8.1.6　如何解决记账的动力297

8.2　用抽象逻辑梳理应用场景298

8.2.1　“链圈”应用的内在逻辑298

8.2.2　区块链技术应用的案例299

8.2.3　区块链技术应用的三个阻碍303

8.2.4　“链圈”应用的总结306

8.3　“币圈”应用思想的精要306

8.3.1　为什么要发币306

8.3.2　为何币会值钱307

8.3.3　如何设计发币309

8.4　从商业本质来制定战略310

第9章　医疗行业的技术布局和应用思考314

9.1　谋划行业中的技术应用314

9.2　互联网医疗平台315

9.2.1　多种医药流通业态逐渐融合315

9.2.2　互联网医疗平台与商业保险的合作模式316

9.3　医疗行业的技术应用分析317

9.3.1　互联网应用318

9.3.2　区块链应用321

9.3.3　IT软件和云计算应用326

9.3.4　人工智能应用330

9.3.5　科技企业进入传统行业落地AI技术336

9.4　思考技术在行业应用的方法论338

第10章　从技术到商业的思考340

10.1　主题回顾340

10.2　从技术到商业的思维模式转变341

10.2.1　战略壁垒的重要性341

10.2.2　常见的战略壁垒342

10.3　新型壁垒：平台模式的解析346

10.3.1　平台模式的典型案例：Steam游戏平台346

10.3.2　互联网企业以整合C端平台供应链的

　　　? 模式切入B端服务市场348

10.3.3　互联网企业赋能生态伙伴的方法论352

10.4　技术投资与采购的方法论358

10.4.1　层面1：梳理业务所需的技术全景358

10.4.2　层面2：梳理具体技术方向的内部逻辑359

10.4.3　层面3：分析具备能力的候选企业361

10.4.4　案例：短视频C端赛道的业务362

10.5　人工智能的产业展望364

10.5.1　人工智能未来的发展364

10.5.2　人工智能应用的方法论367

10.5.3　人工智能的企业市场分析368

10.6　企业的组织能力：　《创新者的窘境》中的理论370

10.7　人工智能应用领域的职业前景372

第四部分　工具与实践

第11章　实践课374

11.1　实践课1：基于深度学习框架飞桨完成房价

　　　 预测任务374

11.1.1　深度学习框架374

11.1.2　飞桨产业级深度学习开源开放平台375

11.1.3　使用飞桨构建波士顿房价预测模型383

11.2　实践课2：手写数字识别384

11.3　实践课3：词向量和语义相似度388

11.4　实践课4：毕业设计395

11.4.1　毕业设计作业395

11.4.2　往届学员优秀作品展示396