數據科學博弈論 (Game Theory for Data Science: Eliciting Truthful Information)
Boi Faltings，Goran Radanovic 王勇//仲國強
- 出版商: 機械工業
- 出版日期: 2021-03-01
- 售價: $294
- 貴賓價: 9.5 折 $279
- 語言: 簡體中文
- 頁數: 98
- 裝訂: 平裝
- ISBN: 7111670256
- ISBN-13: 9787111670254
-
相關分類:
Data Science
- 此書翻譯自: Game Theory for Data Science: Eliciting Truthful Information
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$352Python 貝葉斯分析 -
$446自然語言處理的認知方法 -
$505機器學習基礎 — 面向預測數據分析的算法、實用範例與案例研究 -
$454Python 機器學習系統構建 (原書第3版) -
提升程式設計師的面試力｜189道面試題目與解答, 6/e (修訂版) (Cracking the Coding Interview : 189 Programming Questions and Solutions, 6/e)$980$774 -
$454自然語言處理中的貝葉斯分析, 2/e (Bayesian Analysis in Natural Language Processing, 2/e) -
Unity 人工智能實戰, 2/e (Unity 2018 Artificial Intelligence Cookbook: Over 90 recipes to build and customize AI entities for your games with Unity, 2/e)$474$450 -
統計學習要素：機器學習中的數據挖掘、推斷與預測, 2/e (The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2/e)$954$906 -
貝葉斯的博弈 : 數學、思維與人工智能$654$621 -
打造機器學習應用｜從構想邁向產品 (Building Machine Learning Powered Applications)$580$458 -
$454SaaS 商業實戰：好模式如何變成好生意 -
$305機器學習入門與實戰 — 基於 scikit-learn 和 Keras -
$327遷移學習導論 -
核心開發者親授！PyTorch 深度學習攻略 (Deep Learning with Pytorch)$1,000$790 -
打通 RxJS 任督二脈：從菜雞前進老鳥必學的關鍵知識（iT邦幫忙鐵人賽系列書）$620$484 -
深度學習的 16 堂課：CNN + RNN + GAN + DQN + DRL, 看得懂、學得會、做得出！ (Deep Learning Illustrated: A Visual, Interactive Guide to Artificial Intelligence)$620$490 -
基於混合方法的自然語言處理：神經網絡模型與知識圖譜的結合$594$564 -
Python 大數據專案 X 工程 X 產品 資料工程師的升級攻略$700$525 -
PyTorch 深度學習和圖神經網絡 捲2 開發應用$662$623 -
PyTorch 深度學習和圖神經網絡 捲1 基礎知識$662$623 -
圖像 Angular 開發入門：打造高靈活度的網頁應用程式 (iT邦幫忙鐵人賽系列書)$600$468 -
ACCELERATE：精益軟體與 DevOps 背後的科學 (Accelerate: The Science of Lean Software and DevOps: Building and Scaling High Performing Technology Organizations)$499$394 -
銷售 AI 化！看資料科學家如何思考, 用 Python 打造能賺錢的機器學習模型$620$490 -
集成式學習：Python 實踐！整合全部技術，打造最強模型 (Hands-On Ensemble Learning with Python: Build highly optimized ensemble machine learning models using scikit-learn and Keras)$750$593 -
下一代無線通信網絡：博弈建模、分析與設計$894$849
商品描述
本書介紹了不同的場景及假設，包括感知、人工計算、同行評級、評審以及預測。
書中綜述了不同的激勵機制，包括適當的打分規則、市場預測和同行預測，貝葉斯測真機，
同行測真機，相關協議以及使它們適用的一些設置。
作為替代方案，也考慮了信譽機制。
同時補充了博弈論分析在預測平台、群智傳感、同行評級中的應用實例。
本書適合數據科學、機器學習、計算博弈論等領域的研究人員，以及相關專業的高校師生閱讀。
目錄大綱
原書前言
原書致謝
第1章緒論
1.1 動機
1.1.1 商品點評
1.1.2 民意調查
1.1.3 群智傳感
1.1.4 眾包任務
1.2 質量控制
1.3 設置
第2章用於可驗證信息的機制
2.1 獲取單個值
2.2 導出分佈:適當的評分規則
第3章不可驗證信息的參數機制
3.1 客觀信息的同行一致性
3.1.1 輸出一致性
3.1.2 博弈論的分析
3.2 主觀信息的同行一致性
3.2.1 同行預測方法
3.2.2 通過自動機制設計，提高同行預測能力
3.2.3 同行預測機制的幾何特徵
3.3 共同的先驗機制
3.3.1 陰影機制
3.3.2 同行測真機
3.4 應用
3.4.1 自我監控的同行預測
3.4.2 同行測真機應用於群智傳感
3.4.3 Swissnoise中的同行測真機
3.4.4 人工計算
第4章非參數機制:多份報告
4.1 貝葉斯測真機
4.2 魯棒的貝葉斯測真機
4.3 基於差異的BTS
4.4 兩個階段的機制
4.5 應用
第5章非參數機制:多任務
5.1 相關協議
5.2 面向眾包的同行測真機（PTSC）
5.3 對數同行測真機（LPTS）
5.4 其他機制
5.5 應用
5.5.1 同行評分:課程測驗
5.5.2 群智傳感
第6章預測市場:結合啟發和聚合
第7章受影響力激勵的智能體
7.1 影響限制器:真實數據的使用
7.2 當無法獲得真實數據時的戰略防禦機制
第8章分佈式機器學習
8.1 管理信息智能體
8.2 從激勵到回報
8.3 與機器學習算法的集成
8.3.1 短期的影響
8.3.2 貝葉斯聚集成直方圖
8.3.3 模型插值
8.3.4 學習分類器
8.3.5 隱私保護
8.3.6 對智能體行為的限制
第9章總結
9.1 對質量激勵
9.2 分類同行一致性機制
9.3 信息聚合
9.4 未來的工作
參考文獻
