歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
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)

出版社：機(jī)械工業(yè)出版社出版時(shí)間：2024-06-01
開本： 16開 頁數(shù)： 724
中 圖 價(jià):¥111.3(7.0折) 定價(jià)  ¥159.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于SCIKIT-LEARN、KERAS和TENSORFLOW(原書第3版) 版權(quán)信息

機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于SCIKIT-LEARN、KERAS和TENSORFLOW(原書第3版) 本書特色

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，F(xiàn)在，即使是對(duì)這項(xiàng)技術(shù)幾乎一無所知的程序員也可以使用簡(jiǎn)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（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(huì)學(xué)到一系列可以快速使用的技術(shù)，從簡(jiǎn)單的線性回歸開始，一直到深度神經(jīng)網(wǎng)絡(luò)。書中提供了大量的代碼示例，并且每章的練習(xí)題可以幫助你應(yīng)用所學(xué)的知識(shí)，你只需要有一些編程經(jīng)驗(yàn)。
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(shí)。
·探索幾個(gè)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(cè)。
·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(duì)抗網(wǎng)絡(luò)、自動(dòng)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)。

機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于SCIKIT-LEARN、KERAS和TENSORFLOW(原書第3版) 內(nèi)容簡(jiǎn)介

本書分為兩大部分：di一部分主要基于Scikit-Learn，介紹機(jī)器學(xué)習(xí)的基礎(chǔ)算法；第二部分則使用TensorFlow和Keras，介紹神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)。此外，附錄部分的內(nèi)容也非常豐富，包括課后練習(xí)題解答、機(jī)器學(xué)習(xí)項(xiàng)目清單、SVM對(duì)偶問題、自動(dòng)微分和特殊數(shù)據(jù)結(jié)構(gòu)等。書中內(nèi)容廣博，覆蓋了機(jī)器學(xué)習(xí)的各個(gè)領(lǐng)域，不僅介紹了傳統(tǒng)的機(jī)器學(xué)習(xí)模型，包括支持向量機(jī)、決策樹、隨機(jī)森林和集成方法，還提供了使用Scikit-Learn進(jìn)行機(jī)器學(xué)習(xí)的端到端訓(xùn)練示例。作者尤其對(duì)深度神經(jīng)網(wǎng)絡(luò)進(jìn)行了深入的探討，包括各種神經(jīng)網(wǎng)絡(luò)架構(gòu)、強(qiáng)化學(xué)習(xí)，以及如何使用TensorFlow/Keras庫來構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)。本書兼顧理論與實(shí)戰(zhàn)，既適合在校學(xué)生，又適合有經(jīng)驗(yàn)的工程師。

機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于SCIKIT-LEARN、KERAS和TENSORFLOW(原書第3版) 目錄

目錄
前言1
**部分 機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)11
第1章 機(jī)器學(xué)習(xí)概覽13
1.1 什么是機(jī)器學(xué)習(xí)14
1.2 為什么使用機(jī)器學(xué)習(xí)14
1.3 應(yīng)用示例17
1.4 機(jī)器學(xué)習(xí)系統(tǒng)的類型18
1.5 機(jī)器學(xué)習(xí)的主要挑戰(zhàn)33
1.6 測(cè)試和驗(yàn)證39
1.7 練習(xí)題43
第2章 端到端機(jī)器學(xué)習(xí)項(xiàng)目44
2.1 使用真實(shí)數(shù)據(jù)44
2.2 放眼大局46
2.3 獲取數(shù)據(jù)50
2.4 探索和可視化數(shù)據(jù)以獲得見解63
2.5 為機(jī)器學(xué)習(xí)算法準(zhǔn)備數(shù)據(jù)69
2.6 選擇和訓(xùn)練模型87
2.7 微調(diào)模型91
2.8 啟動(dòng)、監(jiān)控和維護(hù)系統(tǒng)96
2.9 試試看99
2.10 練習(xí)題99
第3章 分類101
3.1 MNIST101
3.2 訓(xùn)練二元分類器104
3.3 性能測(cè)量104
3.4 多類分類115
3.5 錯(cuò)誤分析118
3.6 多標(biāo)簽分類121
3.7 多輸出分類123
3.8 練習(xí)題124
第4章 訓(xùn)練模型126
4.1 線性回歸127
4.2 梯度下降132
4.3 多項(xiàng)式回歸141
4.4 學(xué)習(xí)曲線143
4.5 正則化線性模型146
4.6 邏輯回歸153
4.7 練習(xí)題162
第5章 支持向量機(jī)164
5.1 線性SVM分類164
5.2 非線性SVM分類167
5.3 SVM回歸172
5.4 線性SVM分類器的工作原理174
5.5 對(duì)偶問題176
5.6 練習(xí)題180
第6章 決策樹181
6.1 訓(xùn)練和可視化決策樹181
6.2 做出預(yù)測(cè)182
6.3 估計(jì)類概率185
6.4 CART訓(xùn)練算法185
6.5 計(jì)算復(fù)雜度186
6.6 基尼雜質(zhì)或熵186
6.7 正則化超參數(shù)187
6.8 回歸189
6.9 對(duì)軸方向的敏感性191
6.10 決策樹具有高方差192
6.11 練習(xí)題193
第7章 集成學(xué)習(xí)和隨機(jī)森林194
7.1 投票分類器194
7.2 bagging和pasting198
7.3 隨機(jī)森林202
7.4 提升法204
7.5 堆疊法212
7.6 練習(xí)題215
第8章 降維216
8.1 維度的詛咒217
8.2 降維的主要方法218
8.3 PCA221
8.4 隨機(jī)投影228
8.5 LLE230
8.6 其他降維技術(shù)232
8.7 練習(xí)題234
第9章 無監(jiān)督學(xué)習(xí)技術(shù)235
9.1 聚類算法：k均值和DBSCAN236
9.2 高斯混合模型256
9.3 練習(xí)題265
第二部分 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)267
第10章 Keras人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介269
10.1 從生物神經(jīng)元到人工神經(jīng)元270
10.2 使用Keras實(shí)現(xiàn)MLP284
10.3 微調(diào)神經(jīng)網(wǎng)絡(luò)超參數(shù)308
10.4 練習(xí)題316
第11章 訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)319
11.1 梯度消失和梯度爆炸問題319
11.2 重用預(yù)訓(xùn)練層333
11.3 更快的優(yōu)化器338
11.4 學(xué)習(xí)率調(diào)度346
11.5 通過正則化避免過擬合350
11.6 總結(jié)和實(shí)用指南357
11.7 練習(xí)題358
第12章 使用TensorFlow自定義模型和訓(xùn)練360
12.1 TensorFlow快速瀏覽360
12.2 像使用NumPy一樣使用TensorFlow363
12.3 自定義模型和訓(xùn)練算法368
12.4 TensorFlow函數(shù)和圖387
12.5 練習(xí)題392
第13章 使用TensorFlow加載和預(yù)處理數(shù)據(jù)394
13.1 tf.data API395
13.2 TFRecord格式405
13.3 Keras預(yù)處理層411
13.4 TensorFlow數(shù)據(jù)集項(xiàng)目425
13.5 練習(xí)題427
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429
14.1 視覺皮層的結(jié)構(gòu)429
14.2 卷積層431
14.3 池化層439
14.4 使用Keras實(shí)現(xiàn)池化層441
14.5 CNN架構(gòu)443
14.6 使用Keras實(shí)現(xiàn)ResNet-34 CNN460
14.7 使用Keras的預(yù)訓(xùn)練模型462
14.8 使用預(yù)訓(xùn)練模型進(jìn)行遷移學(xué)習(xí)463
14.9 分類和定位466
14.10 物體檢測(cè)467
14.11 物體跟蹤474
14.12 語義分割475
14.13 練習(xí)題478
第15章 使用RNN和CNN處理序列480
15.1 循環(huán)神經(jīng)元和層481
15.2 訓(xùn)練RNN484
15.3 預(yù)測(cè)時(shí)間序列485
15.4 處理長(zhǎng)序列505
15.5 練習(xí)題515
第16章 基于RNN和注意力機(jī)制的自然語言處理516
16.1 使用字符RNN生成莎士比亞文本517
16.2 情感分析525
16.3 用于神經(jīng)機(jī)器翻譯的編碼器-解碼器網(wǎng)絡(luò)532
16.4 注意力機(jī)制541
16.5 Transformer模型的雪崩554
16.6 視覺Transformer558
16.7 Hugging Face的Transformer庫562
16.8 練習(xí)題566
第17章 自動(dòng)編碼器、GAN和擴(kuò)散模型568
17.1 有效的數(shù)據(jù)表示569
17.2 使用不完備的線性自動(dòng)編碼器執(zhí)行PCA571
17.3 堆疊式自動(dòng)編碼器572
17.4 卷積自動(dòng)編碼器579
17.5 去噪自動(dòng)編碼器580
17.6 稀疏自動(dòng)編碼器582
17.7 變分自動(dòng)編碼器584
17.8 生成Fashion MNIST圖像588
17.9 生成對(duì)抗網(wǎng)絡(luò)589
17.10 擴(kuò)散模型602
17.11 練習(xí)題608
第18章 強(qiáng)化學(xué)習(xí)610
18.1 學(xué)習(xí)優(yōu)化獎(jiǎng)勵(lì)611
18.2 策略搜索612
18.3 OpenAI Gym介紹614
18.4 神經(jīng)網(wǎng)絡(luò)策略617
18.5 評(píng)估動(dòng)作：信用分配問題619
18.6 策略梯度620
18.7 馬爾可夫決策過程624
18.8 時(shí)序差分學(xué)習(xí)628
18.9 Q學(xué)習(xí)629
18.10 實(shí)現(xiàn)深度Q學(xué)習(xí)632
18.11 深度Q學(xué)習(xí)的變體636
18.12 一些流行的RL算法概述640
18.13 練習(xí)題643
第19章 大規(guī)模訓(xùn)練和部署TensorFlow模型645
19.1 為TensorFlow模型提供服務(wù)646
19.2 將模型部署到移動(dòng)設(shè)備或嵌入式設(shè)備664
19.3 在Web頁面中運(yùn)行模型666
19.4 使用GPU加速計(jì)算668
19.5 跨多個(gè)設(shè)備訓(xùn)練模型676
19.6 練習(xí)題694
致讀者694
附錄A 機(jī)器學(xué)習(xí)項(xiàng)目清單697
附錄B 自動(dòng)微分703
附錄C 特殊數(shù)據(jù)結(jié)構(gòu)710
附錄D TensorFlow圖716
展開全部

機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于SCIKIT-LEARN、KERAS和TENSORFLOW(原書第3版) 作者簡(jiǎn)介

Aurélien Géron是機(jī)器學(xué)習(xí)方面的顧問。他曾就職于Google，在2013年到2016年領(lǐng)導(dǎo)過YouTube視頻分類團(tuán)隊(duì)。他是Wifirst公司（法國領(lǐng)先的無線互聯(lián)網(wǎng)服務(wù)供應(yīng)商）的創(chuàng)始人，并于2002年至2012年擔(dān)任該公司的首席技術(shù)官。2001年，他創(chuàng)辦Ployconseil公司（一家電信咨詢公司），并任首席技術(shù)官。

商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服