机读格式显示(MARC)

• 000 01761nam0 2200325 450

• 001 0000519001

• 005 20190425113000.0

• 010 __ |a 978-7-115-48869-5 |d CNY55.00

• 099 __ |a CAL 012018179515

• 100 __ |a 20181121d2018 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a Azure机器学习 |A Azure ji qi xue xi |f (加) 杰夫·巴恩斯著 |d = Azure machine learning |f Jeff Barnes |g 高雪松, 胡伟凤, 马琳涛译 |z eng

• 210 __ |a 北京 |c 人民邮电出版社 |d 2018

• 215 __ |a 174页 |c 图 |d 26cm

• 300 __ |a 微软Azure机器学习专业指南

• 306 __ |a 由美国Pearson Education授权人民邮电出版社出版

• 330 __ |a 本书基于Azure Machine Learning Studio探讨了现代数据科学算法的背景、理论和实际应用。全书共8章。第1章描述了在数据科学领域，Azure机器学习如何通过实现完全托管的数据科学云服务迈出预测分析解决方案的关键一步；第2章讲解预测分析科学和方法论的基本概念；第3章探讨Azure ML Studio的基本原理；第4章基于一个实用的Azure机器学习预测模型，探讨可以用来调用Azure机器学习Web服务的客户端和服务器应用程序的类型；第5章深入探讨Azure ML Studio提供的一些复杂的机器学习算法；第6章探讨数据分析的挖掘方案，包括自主数据分析、确定数据的相关性、推断逻辑分组以及被广泛研究的用“从树木到森林”的算法处理混乱数据的方案；第7章介绍当今互联网中最强大和被广泛使用的预测分析的实现方法；第8章探索如何将“持续学习”纳入到预测模型工作流的实现机制上。

• 500 10 |a Azure machine learning |A Azure Machine Learning |m Chinese

• 606 0_ |a 机器学习 |A ji qi xue xi |j 指南

• 690 __ |a TP181-62 |v 5

• 701 _1 |a 巴恩斯 |A ba en si |g (Barnes, Jeff) |4 著

• 702 _0 |a 高雪松 |A gao xue song |4 译

• 702 _0 |a 胡伟凤 |A hu wei feng |4 译

• 702 _0 |a 马琳涛 |A ma lin tao |4 译

• 801 _0 |a CN |b CAU |c 20190425

• 905 __ |a CAU |d TP181-62/4

• 920 __ |a 211180 |z 1