Large Scale Machine Learning with Python

This book is for anyone who intends to work with large and complex data sets. Familiarity with basic Python and machine learning concepts is recommended. Working knowledge in statistics and computational mathematics would also be helpful.

这是一本专注于大规模机器学习和数据科学的书籍。本书的目标是帮助读者理解可扩展性，处理数据瓶颈，并理解数据流的概念和特性。书中详细解释了随机学习的核心理念，包括基于小批量数据的学习方法，以及如何有效地处理大规模数据集。 书中详细介绍了SGD算法在SVMs中的应用，包括在线学习和大规模数据集的处理。此外，还介绍了非线性SVMs的逼近方法，以及如何通过非线性变换和核函数将数据映射到高维空间，并使用SGD算法等在线学习算法进行优化。 书中还介绍了神经网络架构的选择与训练方法，包括如何选择合适的神经网络架构，以及如何使用不同的优化算法来训练神经网络。此外，还介绍了TensorFlow安装，以及如何利用GPU计算来加速神经网络的训练。 书中还介绍了分布式环境的需求，包括Hadoop框架和Spark框架的介绍，以及如何利用这些框架来处理大规模数据。此外，还介绍了无监督学习概述，包括PCA算法、K-means算法和LDA算法的介绍，以及如何利用这些算法来处理和分析没有标签的数据。