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（原書第3版）
機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：基于Scikit-Learn、Keras和TensorFlow（原書第3版）
Aurélien Géron 著
宋能輝, 李嫻 譯
出版時(shí)間：2024年06月
頁數(shù)：724
“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
“本書很好地介紹了使用神經(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)解決實(shí)際問題的人強(qiáng)烈推薦本書。”
——Pete Warden
TensorFlow移動端負(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)能夠從數(shù)據(jù)中學(xué)習(xí)的程序。這本暢銷書通過具體的示例、簡單的理論和可用于生產(chǎn)環(huán)境的Python框架（Scikit-Learn、Keras和TensorFlow）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。
在本書中，你會學(xué)到一系列可以快速使用的技術(shù)，從簡單的線性回歸到深度神經(jīng)網(wǎng)絡(luò)。全書中大量的代碼示例和練習(xí)幫助你學(xué)以致用。你只需具備編程經(jīng)驗(yàn)即可入門。
通過本書，你將能夠：
● 使用Scikit-Learn通過端到端項(xiàng)目來學(xué)習(xí)機(jī)器學(xué)習(xí)基礎(chǔ)知識。
● 探索多種模型，包括支持向量機(jī)、決策樹、隨機(jī)森林和集成方法。
● 探索無監(jiān)督學(xué)習(xí)技術(shù)，如降維、聚類和異常檢測。
● 深入研究神經(jīng)網(wǎng)絡(luò)架構(gòu)，包括卷積網(wǎng)絡(luò)、循環(huán)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)、自動編碼器、擴(kuò)散模型和轉(zhuǎn)換器。
● 使用TensorFlow和Keras構(gòu)建和訓(xùn)練用于計(jì)算機(jī)視覺、自然語言處理、生成模型和深度強(qiáng)化學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)。
  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 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 測試和驗(yàn)證
  10. 1.7 練習(xí)題
  11. 第2章 端到端機(jī)器學(xué)習(xí)項(xiàng)目
  12. 2.1 使用真實(shí)數(shù)據(jù)
  13. 2.2 放眼大局
  14. 2.3 獲取數(shù)據(jù)
  15. 2.4 探索和可視化數(shù)據(jù)以獲得見解
  16. 2.5 為機(jī)器學(xué)習(xí)算法準(zhǔn)備數(shù)據(jù)
  17. 2.6 選擇和訓(xùn)練模型
  18. 2.7 微調(diào)模型
  19. 2.8 啟動、監(jiān)控和維護(hù)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
  27. 3.5 錯(cuò)誤分析
  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 線性SVM分類器的工作原理
  44. 5.5 對偶問題
  45. 5.6 練習(xí)題
  46. 第6章 決策樹
  47. 6.1 訓(xùn)練和可視化決策樹
  48. 6.2 做出預(yù)測
  49. 6.3 估計(jì)類概率
  50. 6.4 CART訓(xùn)練算法
  51. 6.5 計(jì)算復(fù)雜度
  52. 6.6 基尼雜質(zhì)或熵
  53. 6.7 正則化超參數(shù)
  54. 6.8 回歸
  55. 6.9 對軸方向的敏感性
  56. 6.10 決策樹具有高方差
  57. 6.11 練習(xí)題
  58. 第7章 集成學(xué)習(xí)和隨機(jī)森林
  59. 7.1 投票分類器
  60. 7.2 bagging和pasting
  61. 7.3 隨機(jī)森林
  62. 7.4 提升法
  63. 7.5 堆疊法
  64. 7.6 練習(xí)題
  65. 第8章 降維
  66. 8.1 維度的詛咒
  67. 8.2 降維的主要方法
  68. 8.3 PCA
  69. 8.4 隨機(jī)投影
  70. 8.5 LLE
  71. 8.6 其他降維技術(shù)
  72. 8.7 練習(xí)題
  73. 第9章 無監(jiān)督學(xué)習(xí)技術(shù)
  74. 9.1 聚類算法：k均值和DBSCAN
  75. 9.2 高斯混合模型
  76. 9.3 練習(xí)題
  77. 第二部分 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
  78. 第10章 Keras人工神經(jīng)網(wǎng)絡(luò)簡介
  79. 10.1 從生物神經(jīng)元到人工神經(jīng)元
  80. 10.2 使用Keras實(shí)現(xiàn)MLP
  81. 10.3 微調(diào)神經(jīng)網(wǎng)絡(luò)超參數(shù)
  82. 10.4 練習(xí)題
  83. 第11章 訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)
  84. 11.1 梯度消失和梯度爆炸問題
  85. 11.2 重用預(yù)訓(xùn)練層
  86. 11.3 更快的優(yōu)化器
  87. 11.4 學(xué)習(xí)率調(diào)度
  88. 11.5 通過正則化避免過擬合
  89. 11.6 總結(jié)和實(shí)用指南
  90. 11.7 練習(xí)題
  91. 第12章 使用TensorFlow自定義模型和訓(xùn)練
  92. 12.1 TensorFlow快速瀏覽
  93. 12.2 像使用NumPy一樣使用TensorFlow
  94. 12.3 自定義模型和訓(xùn)練算法
  95. 12.4 TensorFlow函數(shù)和圖
  96. 12.5 練習(xí)題
  97. 第13章 使用TensorFlow加載和預(yù)處理數(shù)據(jù)
  98. 13.1 tf.data API
  99. 13.2 TFRecord格式
  100. 13.3 Keras預(yù)處理層
  101. 13.4 TensorFlow數(shù)據(jù)集項(xiàng)目
  102. 13.5 練習(xí)題
  103. 第14章 使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行深度計(jì)算機(jī)視覺
  104. 14.1 視覺皮層的結(jié)構(gòu)
  105. 14.2 卷積層
  106. 14.3 池化層
  107. 14.4 使用Keras實(shí)現(xiàn)池化層
  108. 14.5 CNN架構(gòu)
  109. 14.6 使用Keras實(shí)現(xiàn)ResNet-34 CNN
  110. 14.7 使用Keras的預(yù)訓(xùn)練模型
  111. 14.8 使用預(yù)訓(xùn)練模型進(jìn)行遷移學(xué)習(xí)
  112. 14.9 分類和定位
  113. 14.10 物體檢測
  114. 14.11 物體跟蹤
  115. 14.12 語義分割
  116. 14.13 練習(xí)題
  117. 第15章 使用RNN和CNN處理序列
  118. 15.1 循環(huán)神經(jīng)元和層
  119. 15.2 訓(xùn)練RNN
  120. 15.3 預(yù)測時(shí)間序列
  121. 15.4 處理長序列
  122. 15.5 練習(xí)題
  123. 第16章 基于RNN和注意力機(jī)制的自然語言處理
  124. 16.1 使用字符RNN生成莎士比亞文本
  125. 16.2 情感分析
  126. 16.3 用于神經(jīng)機(jī)器翻譯的編碼器-解碼器網(wǎng)絡(luò)
  127. 16.4 注意力機(jī)制
  128. 16.5 Transformer模型的雪崩
  129. 16.6 視覺Transformer
  130. 16.7 Hugging Face的Transformer庫
  131. 16.8 練習(xí)題
  132. 第17章 自動編碼器、GAN和擴(kuò)散模型
  133. 17.1 有效的數(shù)據(jù)表示
  134. 17.2 使用不完備的線性自動編碼器執(zhí)行PCA
  135. 17.3 堆疊式自動編碼器
  136. 17.4 卷積自動編碼器
  137. 17.5 去噪自動編碼器
  138. 17.6 稀疏自動編碼器
  139. 17.7 變分自動編碼器
  140. 17.8 生成Fashion MNIST圖像
  141. 17.9 生成對抗網(wǎng)絡(luò)
  142. 17.10 擴(kuò)散模型
  143. 17.11 練習(xí)題
  144. 第18章 強(qiáng)化學(xué)習(xí)
  145. 18.1 學(xué)習(xí)優(yōu)化獎勵
  146. 18.2 策略搜索
  147. 18.3 OpenAI Gym介紹
  148. 18.4 神經(jīng)網(wǎng)絡(luò)策略
  149. 18.5 評估動作：信用分配問題
  150. 18.6 策略梯度
  151. 18.7 馬爾可夫決策過程
  152. 18.8 時(shí)序差分學(xué)習(xí)
  153. 18.9 Q學(xué)習(xí)
  154. 18.10 實(shí)現(xiàn)深度Q學(xué)習(xí)
  155. 18.11 深度Q學(xué)習(xí)的變體
  156. 18.12 一些流行的RL算法概述
  157. 18.13 練習(xí)題
  158. 第19章 大規(guī)模訓(xùn)練和部署TensorFlow模型
  159. 19.1 為TensorFlow模型提供服務(wù)
  160. 19.2 將模型部署到移動設(shè)備或嵌入式設(shè)備
  161. 19.3 在Web頁面中運(yùn)行模型
  162. 19.4 使用GPU加速計(jì)算
  163. 19.5 跨多個(gè)設(shè)備訓(xùn)練模型
  164. 19.6 練習(xí)題
  165. 致讀者
  166. 附錄A 機(jī)器學(xué)習(xí)項(xiàng)目清單
  167. 附錄B 自動微分
  168. 附錄C 特殊數(shù)據(jù)結(jié)構(gòu)
  169. 附錄D TensorFlow圖
書名：機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：基于Scikit-Learn、Keras和TensorFlow（原書第3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：2024年06月
頁數(shù)：724
書號：978-7-111-74971-4
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)：159.00元
書號：978-7-111-74971-4
出版社：機(jī)械工業(yè)出版社