劉繼紅

本書將數學理論與實例相結合，這些實例以最先進的通用機器學習框架為基礎，由Python實現，向讀者介紹更複雜的演算法。
 
全書共25章，包括機器學習模型基礎、損失函數和正則化、半監督學習導論、高級半監督分類、基於圖的半監督學習、聚類和無監督學習模型、高級聚類和無監督學習模型、面向行銷的聚類和無監督學習模型、廣義線性模型和回歸、時序分析導論、貝葉斯網路和隱瑪律可夫模型、最最大期望演算法、成分分析和降維、赫布學習、集成學習基礎、高級提升演算法、神經網路建模、神經網路優化、深度卷積網路、迴圈神經網路、自編碼器、生成對抗網路導論、深度置信網路、強化學習導論和高級策略估計演算法。

Giuseppe Bonaccorso 是位元經驗豐富的資料科學管理者，在機器學習、深度學習方面具備深厚的專業知識。2005 年獲得義大利卡塔尼亞大學電子工程專業碩士學位後，Giuseppe 繼續在義大利羅馬第二大學和英國埃塞克斯大學從事MBA 研究工作。Giuseppe 的主要研究興趣包括機器學習、深度學習、資料科學策略和醫療健康產業的數位化創新。