91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：基于Scikit-Learn、Keras和TensorFlow（第2版）
機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：基于Scikit-Learn、Keras和TensorFlow（第2版）
Aurélien Géron 著
宋能輝, 李嫻 譯
出版時(shí)間：2020年10月
頁數(shù)：677
“學(xué)習(xí)機(jī)器學(xué)習(xí)的絕佳資源。你會找到清晰的思路、直觀的解釋以及大量的實(shí)用技巧?！?br /> ——Francois Chollet，Keras的發(fā)明者，Deep Learning with Python的作者
“本書很好地介紹使用神經(jīng)網(wǎng)絡(luò)解決問題的相關(guān)理論和實(shí)踐，我向任何有興趣應(yīng)用機(jī)器學(xué)習(xí)來解決實(shí)際問題的人強(qiáng) 烈推薦本書?！?br /> ——Pete Warden，TensorFlow移動(dòng)端負(fù)責(zé)人
隨著一系列的技術(shù)突破，深度學(xué)習(xí)推動(dòng)了整個(gè)機(jī)器學(xué)習(xí)領(lǐng)域的發(fā)展。現(xiàn)在，即使是對這項(xiàng)技術(shù)幾乎一無所知的程序員也可以使用簡單有效的工具來實(shí)現(xiàn)“可以自動(dòng)從數(shù)據(jù)中學(xué)習(xí)”的程序。這本暢銷書的更新版通過具體的示例、非常少的理論和可用于生產(chǎn)環(huán)境的Python框架來幫助你直觀地理解并掌握構(gòu)建智能系統(tǒng)所需要的概念和工具。
你會學(xué)到一系列可以快速使用的技術(shù)。每章的練習(xí)可以幫助你應(yīng)用所學(xué)的知識，你只需要有一些編程經(jīng)驗(yàn)。所有代碼都可以在 GitHub上獲得。它已更新為TensorFlow 2和Scikit-Learn的新版本。
● 使用Scikit-Learn和pandas通過端到端項(xiàng)目來學(xué)習(xí)機(jī)器學(xué)習(xí)基礎(chǔ)。
● 使用TensorFlow 2構(gòu)建和訓(xùn)練多個(gè)神經(jīng)網(wǎng)絡(luò)架構(gòu)來進(jìn)行分類和回歸。
● 覆蓋對象檢測、語義分割、注意力機(jī)制、語言模型、GAN等。
● 探索Keras API與TensorFlow 2的官方高級API。
● 使用TensorFlow的數(shù)據(jù)API、分布策略API、TF Transform和TF- Serving來部署TensorFlow模型。
● 在Google Cloud AI Platform或移動(dòng)設(shè)備上部署。
● 開發(fā)無監(jiān)督學(xué)習(xí)技術(shù)，例如降維、聚類和異常檢測。
● 通過強(qiáng)化學(xué)習(xí)(包括使用TF-Agents庫)創(chuàng)建自主學(xué)習(xí)智能體。
  1. 前言
  2. 第一部分 機(jī)器學(xué)習(xí)的基礎(chǔ)知識
  3. 第1章 機(jī)器學(xué)習(xí)概覽
  4. 1.1 什么是機(jī)器學(xué)習(xí)
  5. 1.2 為什么使用機(jī)器學(xué)習(xí)
  6. 1.3 機(jī)器學(xué)習(xí)的應(yīng)用示例
  7. 1.4 機(jī)器學(xué)習(xí)系統(tǒng)的類型
  8. 1.5 機(jī)器學(xué)習(xí)的主要挑戰(zhàn)
  9. 1.6 測試與驗(yàn)證
  10. 1.7 練習(xí)題
  11. 第2章 端到端的機(jī)器學(xué)習(xí)項(xiàng)目
  12. 2.1 使用真實(shí)數(shù)據(jù)
  13. 2.2 觀察大局
  14. 2.3 獲取數(shù)據(jù)
  15. 2.4 從數(shù)據(jù)探索和可視化中獲得洞見
  16. 2.5 機(jī)器學(xué)習(xí)算法的數(shù)據(jù)準(zhǔn)備
  17. 2.6 選擇和訓(xùn)練模型
  18. 2.7 微調(diào)模型
  19. 2.8 啟動(dòng)、監(jiān)控和維護(hù)你的系統(tǒng)
  20. 2.9 試試看
  21. 2.10 練習(xí)題
  22. 第3章 分類
  23. 3.1 MNIST
  24. 3.2 訓(xùn)練二元分類器
  25. 3.3 性能測量
  26. 3.4 多類分類器
  27. 3.5 誤差分析
  28. 3.6 多標(biāo)簽分類
  29. 3.7 多輸出分類
  30. 3.8 練習(xí)題
  31. 第4章 訓(xùn)練模型
  32. 4.1 線性回歸
  33. 4.2 梯度下降
  34. 4.3 多項(xiàng)式回歸
  35. 4.4 學(xué)習(xí)曲線
  36. 4.5 正則化線性模型
  37. 4.6 邏輯回歸
  38. 4.7 練習(xí)題
  39. 第5章 支持向量機(jī)
  40. 5.1 線性SVM分類
  41. 5.2 非線性SVM分類
  42. 5.3 SVM回歸
  43. 5.4 工作原理
  44. 5.5 練習(xí)題
  45. 第6章 決策樹
  46. 6.1 訓(xùn)練和可視化決策樹
  47. 6.2 做出預(yù)測
  48. 6.3 估計(jì)類概率
  49. 6.4 CART訓(xùn)練算法
  50. 6.5 計(jì)算復(fù)雜度
  51. 6.6 基尼不純度或熵
  52. 6.7 正則化超參數(shù)
  53. 6.8 回歸
  54. 6.9 不穩(wěn)定性
  55. 6.10 練習(xí)題
  56. 第7章 集成學(xué)習(xí)和隨機(jī)森林
  57. 7.1 投票分類器
  58. 7.2 bagging和pasting
  59. 7.3 隨機(jī)補(bǔ)丁和隨機(jī)子空間
  60. 7.4 隨機(jī)森林
  61. 7.5 提升法
  62. 7.6 堆疊法
  63. 7.7 練習(xí)題
  64. 第8章 降維
  65. 8.1 維度的詛咒
  66. 8.2 降維的主要方法
  67. 8.3 PCA
  68. 8.4 內(nèi)核PCA
  69. 8.5 LLE
  70. 8.6 其他降維技術(shù)
  71. 8.7 練習(xí)題
  72. 第9章 無監(jiān)督學(xué)習(xí)技術(shù)
  73. 9.1 聚類
  74. 9.2 高斯混合模型
  75. 9.3 練習(xí)題
  76. 第二部分 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
  77. 第10章 Keras人工神經(jīng)網(wǎng)絡(luò)簡介
  78. 10.1 從生物神經(jīng)元到人工神經(jīng)元
  79. 10.2 使用Keras實(shí)現(xiàn)MLP
  80. 10.3 微調(diào)神經(jīng)網(wǎng)絡(luò)超參數(shù)
  81. 10.4 練習(xí)題
  82. 第11章 訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)
  83. 11.1 梯度消失與梯度爆炸問題
  84. 11.2 重用預(yù)訓(xùn)練層
  85. 11.3 更快的優(yōu)化器
  86. 11.4 通過正則化避免過擬合
  87. 11.5 總結(jié)和實(shí)用指南
  88. 11.6 練習(xí)題
  89. 第12章 使用TensorFlow自定義模型和訓(xùn)練
  90. 12.1 TensorFlow快速瀏覽
  91. 12.2 像NumPy一樣使用TensorFlow
  92. 12.3 定制模型和訓(xùn)練算法
  93. 12.4 TensorFlow函數(shù)和圖
  94. 12.5 練習(xí)題
  95. 第13章 使用TensorFlow加載和預(yù)處理數(shù)據(jù)
  96. 13.1 數(shù)據(jù)API
  97. 13.2 TFRecord格式
  98. 13.3 預(yù)處理輸入特征
  99. 13.4 TF Transform
  100. 13.5 TensorFlow數(shù)據(jù)集項(xiàng)目
  101. 13.6 練習(xí)題
  102. 第14章 使用卷積神經(jīng)網(wǎng)絡(luò)的深度計(jì)算機(jī)視覺
  103. 14.1 視覺皮層的架構(gòu)
  104. 14.2 卷積層
  105. 14.3 池化層
  106. 14.4 CNN架構(gòu)
  107. 14.5 使用Keras實(shí)現(xiàn)ResNet-34 CNN
  108. 14.6 使用Keras的預(yù)訓(xùn)練模型
  109. 14.7 遷移學(xué)習(xí)的預(yù)訓(xùn)練模型
  110. 14.8 分類和定位
  111. 14.9 物體檢測
  112. 14.10 語義分割
  113. 14.11 練習(xí)題
  114. 第15章 使用RNN和CNN處理序列
  115. 15.1 循環(huán)神經(jīng)元和層
  116. 15.2 訓(xùn)練RNN
  117. 15.3 預(yù)測時(shí)間序列
  118. 15.4 處理長序列
  119. 15.5 練習(xí)題
  120. 第16章 使用RNN和注意力機(jī)制進(jìn)行自然語言處理
  121. 16.1 使用字符RNN生成莎士比亞文本
  122. 16.2 情感分析
  123. 16.3 神經(jīng)機(jī)器翻譯的編碼器-解碼器網(wǎng)絡(luò)
  124. 16.4 注意力機(jī)制
  125. 16.5 最近語言模型的創(chuàng)新
  126. 16.6 練習(xí)題
  127. 第17章 使用自動(dòng)編碼器和GAN的表征學(xué)習(xí)和生成學(xué)習(xí)
  128. 17.1 有效的數(shù)據(jù)表征
  129. 17.2 使用不完整的線性自動(dòng)編碼器執(zhí)行PCA
  130. 17.3 堆疊式自動(dòng)編碼器
  131. 17.4 卷積自動(dòng)編碼器
  132. 17.5 循環(huán)自動(dòng)編碼器
  133. 17.6 去噪自動(dòng)編碼器
  134. 17.7 稀疏自動(dòng)編碼器
  135. 17.8 變分自動(dòng)編碼器
  136. 17.9 生成式對抗網(wǎng)絡(luò)
  137. 17.10 練習(xí)題
  138. 第18章 強(qiáng)化學(xué)習(xí)
  139. 18.1 學(xué)習(xí)優(yōu)化獎(jiǎng)勵(lì)
  140. 18.2 策略搜索
  141. 18.3 OpenAI Gym介紹
  142. 18.4 神經(jīng)網(wǎng)絡(luò)策略
  143. 18.5 評估動(dòng)作：信用分配問題
  144. 18.6 策略梯度
  145. 18.7 馬爾可夫決策過程
  146. 18.8 時(shí)序差分學(xué)習(xí)
  147. 18.9 Q學(xué)習(xí)
  148. 18.10 實(shí)現(xiàn)深度Q學(xué)習(xí)
  149. 18.11 深度Q學(xué)習(xí)的變體
  150. 18.12 TF-Agents庫
  151. 18.13 一些流行的RL算法概述
  152. 18.14 練習(xí)題
  153. 第19章 大規(guī)模訓(xùn)練和部署TensorFlow模型
  154. 19.1 為TensorFlow模型提供服務(wù)
  155. 19.2 將模型部署到移動(dòng)端或嵌入式設(shè)備
  156. 19.3 使用GPU加速計(jì)算
  157. 19.4 跨多個(gè)設(shè)備的訓(xùn)練模型
  158. 19.5 練習(xí)題
  159. 19.6 致謝
  160. 附錄A 課后練習(xí)題解答
  161. 附錄B 機(jī)器學(xué)習(xí)項(xiàng)目清單
  162. 附錄C SVM對偶問題
  163. 附錄D 自動(dòng)微分
  164. 附錄E 其他流行的人工神經(jīng)網(wǎng)絡(luò)架構(gòu)
  165. 附錄F 特殊數(shù)據(jù)結(jié)構(gòu)
  166. 附錄G TensorFlow圖
書名：機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：基于Scikit-Learn、Keras和TensorFlow（第2版）
作者：Aurélien Géron 著
譯者：宋能輝, 李嫻 譯
國內(nèi)出版社：機(jī)械工業(yè)出版社
出版時(shí)間：2020年10月
頁數(shù)：677
書號：978-7-111-66597-7
原版書書名：Hands-On Machine Learning with Scikit-Learn, Keras &
原版書出版商：O'Reilly Media
Aurélien Géron
 
Aurélien Géron是機(jī)器學(xué)習(xí)方面的顧問。他曾是Google軟件工程師，在2013年到2016年主導(dǎo)了YouTube視頻分類工程。2002年和2012年，他還是Wifirst公司（一家法國的無線ISP）的創(chuàng)始人和首席技術(shù)官，2001年是Ployconseil公司（現(xiàn)在管理電動(dòng)汽車共享服務(wù)Autolib）的創(chuàng)始人和首席技術(shù)官。
 
 
購買選項(xiàng)
定價(jià)：149.00元
書號：978-7-111-66597-7
出版社：機(jī)械工業(yè)出版社