"生成式AI、预测算法、欺诈检测以及许多其他分析任务依赖于廉价且丰富的无标签数据。无标签数据上的机器学习——即无监督学习——将原始文本、图像和数字转化为关于客户的洞察、准确的计算机视觉以及用于训练人工智能模型的高质量数据集。本书将展示如何实现这一切。 《无标签数据处理：关键算法与模型实现》聚焦于无监督学习的数学基础、算法以及实际应用。书中通过详细注释的Python代码，提供了来自零售、航空和银行领域的实际案例。你将探索聚类和降维等核心技术，以及自编码器和生成对抗网络（GAN）等高级话题。在学习过程中，你将了解如何将无监督学习应用于商业领域，并发现如何从零开始开发完整的机器学习模型。 本书主要内容 ?掌握无监督学习算法 ?实际商业应用 ?构建AI训练数据集 ?探索自编码器和生成对抗网络（GAN）的应用"

"瓦伊巴夫???韦尔丹是一位经验丰富的数据科学专家，在一家大型制药公司从事数据科学项目工作。本书的技术编辑是达维德???德尔???文托。"

关于本书的赞誉 “学习无监督学习和生成式人工智能(GenAI)的必读之作。” —Khuram Pervez，EGA “无论是初学者还是从业者，本书都是一本实用的指南。” —Amaresh Rajasekharan，IBM “本书是解答关于无标签数据所有重要问题的终极资源。” —Arne Peter Raulf，德国航空航天中心 “一本全面且详细的指南，帮助你掌握无监督学习和生成式人工智能。” —Krishna Chaitanya Anipindi，Hexagon “简明扼要的指南，既涵盖理论，又注重实践。” —Deepika Sinha，AI/ML/GenAI的主管 献给Yashi、Pakhi、Rudra和Shiva 序　　言 在今天快速发展的人工智能和机器学习领域，从无标签数据中提取有价值的洞察力正在改变各个行业，并推动着创新。作为一名人工智能领域的从业者，我在多个行业积累了丰富经验，目前正执掌某大型制药公司的数据科学与人工智能团队。我亲眼见证了许多创新思维如何彻底改变行业格局。 在肿瘤学和生物制药领域，我们利用人工智能帮助生命科学公司精准地向医疗专业人士提供支持，并且精确地锁定关键利益相关者——确保正确的治疗方法能在正确的时机送到合适的患者手中。在这些对精准性和合规性要求非常高的行业中，能够从原始的无标签数据中提取出实际可用的洞察力，已不再是可有可无，而是至关重要的。 《无标签数据处理：关键算法与模型实现》分为三个部分，系统地介绍了从理论到实践的完整...