书籍简介
《没有标签的数据》揭示了处理未标注数据的关键算法和模型的所有实践实现，充满了案例研究，展示了如何将每项技术应用于现实世界的问题。 在《没有标签的数据》中，您将学习到： * 机器学习和无监督学习的基本构建块和概念 * 结构化和非结构化数据（如文本和图像）的数据清理 * 聚类算法，如K-means、层次聚类、DBSCAN、高斯混合模型和谱聚类 * 降维方法，如主成分分析（PCA）、SVD、多维尺度法和t-SNE * 关联规则算法，如aPriori、ECLAT、SPADE * 无监督时间序列聚类、高斯混合模型和统计方法 * 构建神经网络，如生成对抗网络（GANs）和自编码器 * 使用Python工具和库，如scikit-learn、numpy、Pandas、matplotlib、Seaborn、Keras、TensorFlow和Flask * 如何解释无监督学习的结果 * 如何为您的问题选择合适的算法 * 如何将无监督学习部署到生产环境 * 机器学习解决方案的维护与更新
《没有标签的数据》介绍了数学技巧、关键算法和Python实现，帮助您构建针对无标签数据的机器学习模型。您将发现无监督机器学习的方法，这些方法可以解开原始、现实世界的数据集，并支持您的业务做出正确的战略决策。 这本书不仅仅是理论的堆砌，它架起了复杂数学和实践Python实现之间的桥梁，涵盖了从模型开发到生产部署的全过程。您将发现机器学习和无监督学习的业务用例，并访问相关的研究论文，帮助您完善知识体系。 技术概述
生成式AI、预测算法、欺诈检测等许多分析任务都依赖廉价且丰富的无标签数据。无标签数据的机器学习——即无监督学习——将原始文本、图像和数字转化为有关客户的洞察、精确的计算机视觉和用于训练AI模型的高质量数据集。本书将向您展示如何实现这一点。 关于本书
《没有标签的数据》是一本全面介绍无监督学习的指南，深入探讨其数学基础、算法和实际应用。书中通过零售、航空和银行的实际案例，结合完整的Python代码进行讲解。您将学习到核心技术，如聚类和降维，并深入探讨自编码器和生成对抗网络（GANs）等高级主题。通过本书，您将了解如何将无监督学习应用于商业场景，并学会如何开发端到端的机器学习模型。 书中内容
精通无监督学习算法 * 实际的业务应用 * 精心策划AI训练数据集 * 探索自编码器和GANs的应用
读者对象
本书面向数据科学专业人士，假设读者具备Python和基础机器学习的知识。 作者简介
Vaibhav Verdhan 是一位资深的数据科学专业人士，拥有在大型制药公司从事数据科学项目的丰富经验。 目录
第1部分
机器学习简介 1. 聚类技术 1. 降维方法
第2部分
-
关联规则
-
聚类
-
降维
-
无监督学习在文本数据中的应用 第3部分
-
深度学习：基础概念
-
自编码器
-
生成对抗网络（GANs）、生成式AI和ChatGPT
-
端到端模型部署 附录A 数学基础 购买打印版书籍，您将免费获得电子书（PDF或ePub格式），并获得在线liveBook格式的访问权限（包括其AI助手，可以用任何语言回答您的问题）。
书评
“这是一本很好的无监督学习技术入门书。” —— Richard Vaughan “用Python深入探讨无监督学习的极佳书籍！” —— Todd Cook 封底文字
《没有标签的数据》展示了处理无标签数据的关键算法和模型的所有实践实现，充满了案例研究，展示了如何将每项技术应用于现实世界的问题。在《无监督学习的模型与算法》中，您将学习到： * 机器学习和无监督学习的基本构建块和概念 * 结构化和非结构化数据（如文本和图像）的数据清理 * 无监督时间序列聚类、高斯混合模型和统计方法 * 构建神经网络，如生成对抗网络（GANs）和自编码器 * 如何解释无监督学习的结果 * 如何为您的问题选择合适的算法 * 如何将无监督学习部署到生产环境 * 机器学习和无监督学习的业务用例
《无监督学习的模型与算法》介绍了数学技巧、关键算法和Python实现，帮助您构建针对无标签数据的机器学习模型。您将发现无监督机器学习方法，这些方法能够解开原始、现实世界的数据集，并支持您的业务做出明智的战略决策。本书避免陷入理论的泥潭——它架起了复杂数学和实践Python实现之间的桥梁，涵盖了从模型开发到生产部署的全过程。
Data Without Labels
书籍描述
《AI产品开发的艺术》是一本实践指南，旨在帮助您通过人工智能驱动的产品交付商业价值！了解AI如何改善内容创作、加速数据分析以及提升流程自动化。 《AI产品开发的艺术》提供了一种清晰、实用的方法来创建使用AI的产品。它为您提供了关于如何定义AI战略、开发有用的AI功能并支持用户信任和采用的现实指导。与其追逐潮流，本书专注于核心原则和长期思维——这些基础在该领域不断发展的过程中始终保持相关性。 在《AI产品开发的艺术》一书中，您将学习到以下重要技能： • 识别AI的市场和商业机会 • 深入了解现代AI方法，包括预测AI、LLM（大型语言模型）、增强生成检索（RAG）和代理系统 • 组建有效的AI解决方案，避免炒作 • 高效与数据科学家和机器学习工程师沟通 • 设计注重信任和透明度的用户友好型AI界面 • 实施安全、道德的AI，并确保适当的治理流程 《AI产品开发的艺术》是为产品经理、技术高管、UX设计师以及任何负责AI驱动产品成功的人群所写的。它介绍了广泛的AI机会，并通过来自不同领域的案例研究，如营销、供应链和物流，展示了实践经验。您将从最初的设计讨论开始，逐步进行高效且安全的开发，最终进入部署及日常管理AI驱动应用程序的阶段。 关于技术
将AI集成到您的软件和流程中，可以为您的业务和客户创造真正的价值——前提是您做对了。当您负责交付AI支持的产品时，您需要识别具有高影响力的机会，与工程师高效合作，设计以用户为中心的功能，避免常见的项目失败，并管理现实中的发布。本书将教您如何做到这一点。 关于本书
《AI产品开发的艺术》为您提供了清晰的框架、实用的工具和现实世界的例子，帮助您在新的AI项目中建立信心并获得成功——即使您是第一次接触AI。您将喜欢来自营销、供应链管理和可持续发展等领域的实践用例和端到端场景。 书中内容
• 创意、塑造并优先考虑AI机会 • 使用提示工程、RAG和预测AI等技术开发AI系统 • 与不同的AI利益相关者沟通并促进AI的采纳 目标读者
本书面向软件产品经理、面向商业的工程师、UX设计师、创业公司创始人以及任何负责开发、设计或营销AI产品的人群。无需AI经验。 关于作者
Janna Lipenkova博士是AI和分析业务的创始人，她成功地为宝马、汉莎航空和大众等世界级公司管理AI项目。 目录
第一部分
使用AI驱动的产品创造价值 1. 发现并优先考虑AI机会 1. 绘制AI解决方案图谱
第二部分
-
预测AI
-
探索和评估语言模型
-
提示工程
-
搜索与增强生成检索（RAG）
-
微调语言模型
-
使用代理AI自动化工作流 第三部分
-
AI用户体验：为不确定性设计
-
AI治理
-
与您的利益相关者合作 附录A AI开发工具箱 购买印刷版书籍后，您可以获得Manning的免费电子书（PDF或ePub）以及在线liveBook格式的访问权限（其中包括AI助手，可以用任何语言回答您的问题）。 关于作者
Janna Lipenkova博士拥有中文学和经济学硕士学位以及计算语言学博士学位。在学术界和工业界从事AI和自然语言处理的多年工作后，她创办了自己的AI和分析公司。她获得并管理了全球公司的项目，积累了通过AI实现商业成功的第一手经验。目前，她专注于利用AI为公司在创新、数字化和可持续发展等核心领域生成战略建议。
微信扫码咨询专知VIP会员