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

 
機器學(xué)習(xí)實戰(zhàn)：模型構(gòu)建與應(yīng)用
機器學(xué)習(xí)實戰(zhàn)：模型構(gòu)建與應(yīng)用
Laurence Moroney 著
潘婉瓊, 楊帆 譯
出版時間：2022年06月
頁數(shù)：327
“本書很好地介紹了如何使用TensorFlow理解和實踐機器學(xué)習(xí)與人工智能模型?！?br /> ——Jialin Huang博士
微軟數(shù)據(jù)和應(yīng)用科學(xué)家
“Laurence Moroney是將TensorFlow打造成世界領(lǐng)先的AI框架的中堅力量。我很榮幸可以協(xié)助他在deeplearning.ai和Coursera上教授TensorFlow。以Laurence為師，偉大的冒險正在等待著你?！?br /> ——Andrew Ng
deeplearning.ai創(chuàng)始人

本書是一本面向程序員的基礎(chǔ)教程，涉及目前人工智能領(lǐng)域的幾個熱門方向，包括計算機視覺、自然語言處理和序列數(shù)據(jù)建模。盡管內(nèi)容豐富，但作者并沒有引入太多的理論知識，而是通過直觀的例子來解釋機器學(xué)習(xí)和人工智能的基本概念，并立刻通過代碼來實現(xiàn)。本書遵循最新的TensorFlow 2.0編程規(guī)范，易于閱讀和理解，不需要你有大量的機器學(xué)習(xí)背景。
作者不惜筆墨地充分展示了如何利用TensorFlow在不同的場景下部署模型，包括網(wǎng)頁端、移動端（iOS和Android）和云端。書中提供的很多用于部署模型的代碼范例稍加修改就可以用于不同的場景。本書還涉及如何確保人工智能的倫理、公平和隱私。書中提到的聯(lián)邦學(xué)習(xí)及保證公平性的軟件都是最新的和值得研究的。
學(xué)完本書，你將：
● 通過代碼示例理解機器學(xué)習(xí)的基礎(chǔ)知識。
● 使用TensorFlow為各種場景構(gòu)建模型。
● 使用僅包含一個神經(jīng)元的神經(jīng)網(wǎng)絡(luò)構(gòu)建模型。
● 實現(xiàn)計算機視覺，包括圖像中的特征檢測。
● 使用NLP標(biāo)記化和序列化單詞與句子。
● 在Android和iOS設(shè)備上嵌入模型。
● 使用TensorFlow Serving在網(wǎng)頁端和云端部署模型。
  1. 前言
  2. 第一部分　構(gòu)建模型
  3. 第1 章　TensorFlow簡介
  4. 1.1 什么是機器學(xué)習(xí)
  5. 1.2 傳統(tǒng)編程的局限性
  6. 1.3 從編程到學(xué)習(xí)
  7. 1.4 什么是TensorFlow
  8. 1.5 使用TensorFlow
  9. 1.6 初學(xué)機器學(xué)習(xí)
  10. 1.7 總結(jié)
  11. 第2章　計算機視覺簡介
  12. 2.1 識別服裝
  13. 2.2 視覺神經(jīng)元
  14. 2.3 設(shè)計神經(jīng)網(wǎng)絡(luò)
  15. 2.4 訓(xùn)練神經(jīng)網(wǎng)絡(luò)
  16. 2.5 探索模型輸出
  17. 2.6 訓(xùn)練更長時間，發(fā)現(xiàn)過擬合
  18. 2.7 停止訓(xùn)練
  19. 2.8 總結(jié)
  20. 第3 章　圖像特征檢測
  21. 3.1 卷積
  22. 3.2 池化
  23. 3.3 實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)
  24. 3.4 探索卷積網(wǎng)絡(luò)
  25. 3.5 創(chuàng)建一個CNN來區(qū)分馬和人
  26. 3.6 圖像增強
  27. 3.7 遷移學(xué)習(xí)
  28. 3.8 多類別分類
  29. 3.9 dropout正則化
  30. 3.10 總結(jié)
  31. 第4章　TensorFlow Datasets
  32. 4.1 TFDS入門
  33. 4.2 在Keras模型中使用TFDS
  34. 4.3 使用映射函數(shù)進行增強
  35. 4.4 使用自定義分割
  36. 4.5 理解TFRecord
  37. 4.6 TensorFlow中管理數(shù)據(jù)的ETL過程
  38. 4.7 總結(jié)
  39. 第5章　自然語言處理簡介
  40. 5.1 將語言編碼為數(shù)字
  41. 5.2 移除停用詞和清理文本
  42. 5.3 使用真實數(shù)據(jù)源
  43. 5.4 總結(jié)
  44. 第6章　使用嵌入來編程情感
  45. 6.1 從詞建立意義
  46. 6.2 TensorFlow中的嵌入
  47. 6.3 可視化嵌入
  48. 6.4 使用來自TensorFlow Hub的預(yù)訓(xùn)練嵌入
  49. 6.5 總結(jié)
  50. 第7章　自然語言處理的循環(huán)神經(jīng)網(wǎng)絡(luò)
  51. 7.1 循環(huán)的基礎(chǔ)
  52. 7.2 為語言擴展循環(huán)
  53. 7.3 使用RNN創(chuàng)建文本分類器
  54. 7.4 在RNN中使用預(yù)訓(xùn)練的嵌入
  55. 7.5 總結(jié)
  56. 第8章　使用TensorFlow創(chuàng)建文本
  57. 8.1 將序列轉(zhuǎn)換為輸入序列
  58. 8.2 創(chuàng)建模型
  59. 8.3 生成文本
  60. 8.4 擴展數(shù)據(jù)集
  61. 8.5 改變模型架構(gòu)
  62. 8.6 改進數(shù)據(jù)
  63. 8.7 基于字符的編碼
  64. 8.7 總結(jié)
  65. 第9章　理解序列和時間序列數(shù)據(jù)
  66. 9.1 時間序列的常見屬性
  67. 9.2 預(yù)測時間序列的技術(shù)
  68. 9.3 總結(jié)
  69. 第10章　創(chuàng)建ML模型來預(yù)測序列
  70. 10.1 創(chuàng)建窗口數(shù)據(jù)集
  71. 10.2 創(chuàng)建并訓(xùn)練DNN來擬合序列數(shù)據(jù)
  72. 10.3 評估DNN的結(jié)果
  73. 10.4 探索整體的預(yù)測
  74. 10.5 調(diào)整學(xué)習(xí)率
  75. 10.6 使用Keras Tuner探索超參數(shù)調(diào)優(yōu)
  76. 10.7 總結(jié)
  77. 第11章　序列模型中的卷積和循環(huán)
  78. 11.1 序列數(shù)據(jù)的卷積
  79. 11.2 使用NASA天氣數(shù)據(jù)
  80. 11.3 使用RNN進行序列建模
  81. 11.4 使用其他循環(huán)方法
  82. 11.5 使用dropout
  83. 11.6 使用雙向RNN
  84. 11.7 總結(jié)
  85. 第二部分　使用模型
  86. 第12章　TensorFlow Lite簡介
  87. 12.1 什么是TensorFlow Lite
  88. 12.2 演練：創(chuàng)建模型并將其轉(zhuǎn)換為TensorFlow Lite
  89. 12.3 演練：遷移學(xué)習(xí)圖像分類器并轉(zhuǎn)換到Tensor Flow Lite
  90. 12.4 總結(jié)
  91. 第13章　在Android應(yīng)用程序中使用TensorFlow Lite
  92. 13.1 什么是Android Studio
  93. 13.2 創(chuàng)建你的第一個TensorFlow Lite Android應(yīng)用程序
  94. 13.3 超越“Hello World”—處理圖像
  95. 13.4 TensorFlow Lite示例應(yīng)用程序
  96. 13.5 總結(jié) .
  97. 第14章　在iOS應(yīng)用程序中使用TensorFlow Lite
  98. 14.1 使用Xcode創(chuàng)建你的第一個TensorFlow Lite應(yīng)用程序
  99. 14.2 超越“Hello World”—處理圖像
  100. 14.3 TensorFlow Lite示例應(yīng)用程序
  101. 14.4 總結(jié)
  102. 第15章　TensorFlow.js簡介
  103. 15.1 什么是TensorFlow.js
  104. 15.2 安裝和使用Brackets IDE
  105. 15.3 構(gòu)建第一個TensorFlow.js模型
  106. 15.4 創(chuàng)建Iris分類器
  107. 15.5 總結(jié)
  108. 第16章　TensorFlow.js中的計算機視覺編程技術(shù)
  109. 16.1 TensorFlow開發(fā)人員的JavaScript注意事項
  110. 16.2 使用JavaScript構(gòu)建CNN
  111. 16.3 使用回調(diào)進行可視化
  112. 16.4 使用MNIST數(shù)據(jù)集進行訓(xùn)練
  113. 16.5 在TensorFlow.js中對圖像運行推理
  114. 16.6 總結(jié)
  115. 第17章　重用和轉(zhuǎn)換Python模型為JavaScript
  116. 17.1 將基于Python的模型轉(zhuǎn)換為JavaScript
  117. 17.2 使用預(yù)轉(zhuǎn)換的JavaScript模型
  118. 17.3 總結(jié)
  119. 第18章　JavaScript中的遷移學(xué)習(xí)
  120. 18.1 從MobileNet進行遷移學(xué)習(xí)
  121. 18.2 來自TensorFlow Hub的遷移學(xué)習(xí)
  122. 18.3 使用來自TensorFlow.org的模型
  123. 18.4 總結(jié)
  124. 第19章　使用TensorFlow Serving進行部署
  125. 19.1 什么是TensorFlow Serving
  126. 19.2 安裝TensorFlow Serving
  127. 19.3 構(gòu)建和服務(wù)模型
  128. 19.4 總結(jié)
  129. 第20章 AI的倫理、公平和隱私
  130. 20.1 編程中的公平
  131. 20.2 機器學(xué)習(xí)中的公平
  132. 20.3 實現(xiàn)公平的工具
  133. 20.4 聯(lián)邦學(xué)習(xí)
  134. 20.5 谷歌的AI原則
  135. 20.6 總結(jié)
書名：機器學(xué)習(xí)實戰(zhàn)：模型構(gòu)建與應(yīng)用
作者：Laurence Moroney 著
譯者：潘婉瓊, 楊帆 譯
國內(nèi)出版社：機械工業(yè)出版社
出版時間：2022年06月
頁數(shù)：327
書號：978-7-111-70563-5
原版書書名：AI and Machine Learning for Coders
原版書出版商：O'Reilly Media
Laurence Moroney
 
Laurence Moroney在Google領(lǐng)導(dǎo)AI Advocacy。作為編程和機器學(xué)習(xí)行業(yè)的資深人士，Laurence撰寫了20多本書。他在DeepLearning.ai的Coursera以及哈佛大學(xué)的edX上在線教授流行課程。
 
 
本書封面上的動物是蹼足壁虎（Palmatogecko rangei）。壁虎有上千種，它們是小型蜥蜴。該物種在納米比亞和非洲西南部的納米布沙漠中進化。
蹼足壁虎幾乎是半透明的，長4～6 英寸編輯注，有一雙超大的眼睛，它們會舔舐以保持眼睛清晰。它們的蹼腳在沙漠中像勺子一樣移動，腳趾上有黏性墊，進一步提高了它們的敏捷性。與大多數(shù)壁虎一樣，蹼足壁虎是夜間食蟲動物。
與其他爬行動物不同，大多數(shù)壁虎可以發(fā)聲。蹼足壁虎的發(fā)聲范圍特別廣泛，包括咔嗒聲、呱呱聲、吠聲和吱吱聲。
購買選項
定價：129.00元
書號：978-7-111-70563-5
出版社：機械工業(yè)出版社