作者：林中翘
页数：272
出版社：电子工业出版社
出版日期：2019
ISBN：9787121364983
电子书格式：pdf/epub/txt
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~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，1~13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。
本书特色
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。
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 第一条件 ……………………………………………………………………………… 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 …………………………………………………………………….
