消息首页搜索举报

正版现货新书 TensorFlow机器学习 9787111705772 [美]克里斯·马特曼

全新正版现货，以书名为准，放心购买，购书咨询18931383650朱老师

83.59 6.5折 129 全新

库存156件

北京丰台

认证卖家担保交易快速发货售后保障

作者[美]克里斯·马特曼

出版社机械工业出版社

ISBN9787111705772

出版时间2021-05

装帧平装

开本16开

定价129元

货号11651831

上书时间2024-12-18

黎明书店

十五年老店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 9小时
好评率暂无

最新上架

母亲的天堂 ¥21.41

理想国 —黑色的眼睛不看光明：发现真我的“幽暗情绪哲学” ¥31.92

中国文学大师经典文库：人间词话 ¥6.25

爱心树科学馆：一粒种子的旅程--向日葵 ¥21.60

改革开放的总设计师：1978-1997年的邓小平 ¥45.03

明天原创图画书：我看见一只鸟 ¥23.36

教育学学术论文写作 ¥38.08

启发精选世界优秀畅销绘本:艾玛画画 (精装绘本) ¥17.30

大学问出品-中国的妇女与财产（960-1949） ¥42.12

商品详情

品相描述：全新

商品描述: 作者简介
克里斯·马特曼（Chris Mattmann），是美国国家航空航天局（NASA）喷气推进实验室人工智能分析和创新发展部门的负责人，并且是该实验室数据科学领域的位首席科学家。Chris Mattmann已经将TensorFlow应用到他在NASA面临的挑战中，包括使用TensorFlow构建谷歌的看图说话（Show & Tell）算法。他曾担任Apache软件基金会(Apache Software Foundation)的负责人，为开源项目做出了很好贡献，并在南加州大学教授内容检测和分析、搜索引擎以及信息检索方面的研究生课程。

目录
译者序

序

前言

关于本书

致谢

第一部分机器学习基础

第1章开启机器学习之旅

1.1机器学习的基本原理

1.1.1参数

1.1.2学习和推理

1.2数据表示和特征

1.3度量距离

1.4机器学习的类型

1.4.1监督学习

1.4.2无监督学习

1.4.3强化学习

1.4.4元学习

1.5TensorFlow

1.6后续各章概述

小结

第2章TensorFlow推荐知识

2.1确保TensorFlow工作正常

2.2表示张量

2.3创建运算

2.4在会话中执行运算

2.5将代码理解为图

2.6在Jupyter中编写代码

2.7使用变量

2.8保存和加载变量

2.9使用TensorBoard可视化数据

2.9.1实现移动平均

2.9.2可视化移动平均

2.10把所有综合到一起：TensorFlow系统架构和API

小结

第二部分核**习算法

第3章线性回归及其他

3.1形式化表示

3.2线性回归

3.3多项式模型

……

第三部分神经网络范式

附录安装说明

内容摘要
这是一本TensorFlow机器学习入门教程，书中通过大量实例，以浅显易懂、循序渐进的方式详细阐释使用Python和TensorFlow构建机器学习模型的核心技术与方法。本书既涵盖机器学习基础理论，又介绍了如何将机器学习核心概念应用于现实世界的挑战（例如，情感分析、文本分类和图像识别）中，并通过实例展示了用于深度语音处理、面部识别以及使用CIFAR－10的自编码器的神经网络技术。全书共分为三部分。第一部分（～2章）讨论机器学习的基本原理及其当前被大规模应用的原因；第二部分（第3～10章）通过大量实例详细介绍回归算法和分类算法，涵盖回归、分类、无监督聚类和隐马尔可夫模型（HMM）等技术及应用；第三部分（第11～19章）主要介绍神经网络及其应用，涵盖使用隐藏层的自编码器压缩和表示输入、用于自动分类图像和面部识别的卷积神经网络（CNN）、用于时间序列数据或语音转文本的循环神经网络（RNN），以及seq2seqRNN架构等内容。

精彩内容
这是一本TensorFlow机器学习入门教程，书中通过大量实例，以浅显易懂、循序渐进的方式详细阐释使用Python和TensorFlow构建机器学习模型的核心技术与方法。本书既涵盖机器学习基础理论，又介绍了如何将机器学习核心概念应用于现实世界的挑战（例如，情感分析、文本分类和图像识别）中，并通过实例展示了用于深度语音处理、面部识别以及使用CIFAR－10的自编码器的神经网络技术。全书共分为三部分。第一部分（～2章）讨论机器学习的基本原理及其当前被大规模应用的原因；第二部分（第3～10章）通过大量实例详细介绍回归算法和分类算法，涵盖回归、分类、无监督聚类和隐马尔可夫模型（HMM）等技术及应用；第三部分（第11～19章）主要介绍神经网络及其应用，涵盖使用隐藏层的自编码器压缩和表示输入、用于自动分类图像和面部识别的卷积神经网络（CNN）、用于时间序列数据或语音转文本的循环神经网络（RNN），以及seq2seqRNN架构等内容。