用深度学习颠覆传统机器学习


欢迎加入本书的在线答疑及交流群!

第1章 传统机器学习的瓶颈

机器学习或深度学习中如何有效处理分类数据?

第2章 改进传统机器学习的方法

第3章 使用Embedding

第4章 采用深度学习算法

XGBoost与NN谁更牛?

第5章 利用深度学习平台

介绍PyTorch1+和TensorFlow2+的核心内容,尤其是embedding层及数据处理模块。

第6章 使用AutoML

第7章 使用FeatureTool

第二部分 方法实践

第8 章 AudoML实例

使用auto-sklearn+FeatureTools+Catboost+Python等技术

第9 章 在结构化数据上使用新方法与传统方法的比较

新技术:Embedding+神经网络等与传统机器学习算法(SVM、XGBoost等)的比较。

第10 章 在结构化数据上使用深度学习

使用PyTorch实现神经网络+Embedding层+GPU,并与传统的XGBoost进行比较。

第11 章 共享单车回归分析

采用神经网络+Keras+GPU+Embedding等技术。

第12 章 使用深度学习实现推荐算法

使用循环神经网络+神经网络+Embedding+GPU+推荐算法

第13章 用LSTM实现时间序列机器学习

使用LSTM+Embedding层+GPU等
还有其它章节

发表评论