《智能Web算法（第2版）》内容简介

机器学习一直是人工智能研究领域的重要方向，而在大数据时代，来自Web的数据采集、挖掘、应用技术又越来越受到瞩目，并创造着巨大的价值。本书是有关Web数据挖掘和机器学习技术的一本知名的著作，第2版进一步加入了本领域最新的研究内容和应用案例，介绍了统计学、结构建模、推荐系统、数据分类、点击预测、深度学习、效果评估、数据采集等众多方面的内容。本书内容翔实、案例生动，有很高的阅读价值。
（英）道格拉斯·G.麦基尔雷思（Douglas G.McIlwraith），（美）哈若拉玛·玛若曼尼斯（Haralambos Marmanis），（美）德米特里·巴邦科（Dmitry Babenko）著。

作品目录

译者序
译者简介
序言
前言
致谢
关于本书
1、为智能Web建立应用
1.1、智能算法的实践运用：Google
Now
1.2、智能算法的生命周期
1.3、智能算法的更多示例
1.4、不属于智能应用的内容
1.5、智能算法的类别体系
1.6、评估智能算法的效果
1.7、智能算法的重点归纳
1.8、本章小结
2、从数据中提取结构：聚类和数据变换
2.1、数据、结构、偏见和噪声
2.2、维度诅咒
2.3、k-means算法
2.4、高斯混合模型
2.5、k-means和GMM的关系
2.6、数据坐标轴的变换
2.7、本章小结
3、推荐系统的相关内容
3.1、场景设置：在线电影商店
3.2、距离和相似度
3.3、推荐引擎是如何工作的
3.4、基于用户的协同过滤
3.5、奇异值分解用于基于模型的推荐
3.6、Netflix竞赛
3.7、评估推荐系统
3.8、本章小结
4、分类：将物品归类到所属的地方
4.1、对分类的需求
4.2、分类算法概览
4.3、基于逻辑回归的欺诈检测
4.4、你的结果可信吗
4.5、大型数据集的分类技术
4.6、本章小结
5、在线广告点击预测
5.1、历史与背景
5.2、广告交易平台
5.3、什么是bidder
5.4、何为决策引擎
5.5、使用Vowpal
Wabbit进行点击预测
5.6、构建决策引擎的复杂问题
5.7、实时预测系统的前景
5.8、本章小结
6、深度学习和神经网络
6.1、深度学习的直观方法
6.2、神经网络
6.3、感知机
6.4、多层感知机
6.5、更深层：从多层神经网络到深度学习
6.6、本章小结
7、做出正确的选择
7.1、A/B测试
7.2、多臂赌博机
7.3、实践中的贝叶斯赌博机策略
7.4、A/B测试与贝叶斯赌博机的对比
7.5、扩展到多臂赌博机
7.6、本章小结
8、智能Web的未来
8.1、智能Web的未来应用
8.2、智能Web的社会影响
附录A
抓取网络上的数据