Python深度学习应用
￥ 49.26 8.3折 ￥ 59 九五品
仅1件
北京通州
认证卖家担保交易快速发货售后保障
作者(加)亚历克斯·盖利(AlexGalea),(古)路易斯·卡
出版社清华大学出版社
ISBN9787302541967
出版时间2020-07
版次1
装帧平装
开本16开
纸张胶版纸
定价59元
上书时间2024-07-13
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:Python深度学习应用
定价：59.00元
作者:(加)亚历克斯·盖利(AlexGalea),(古)路易斯·卡佩罗(LuisCapelo),高凯,吴林芳,李娇娥,朱玉
出版社：清华大学出版社
出版日期：2020-07-01
ISBN：9787302541967
字数：
页码：
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
本书理论与实践并重，体系完整，内容新颖，条理清晰，组织合理，强调实践。它涵盖了使用Scikit-learn、TensorFlow和Keras创建智能系统和机器学习解决方案，并将论述的重点放在了实现和实践上，以便让读者更好地了解到基于Python的应用深度学习实现细节。
内容提要
本书介绍Jupyter、数据清洗、高级机器学习、网页爬虫、交互式可视化、神经网络、深度学习、模型构建、模型评估与优化、产品化处理等有关深度学习应用方面的内容。本书理论与实践并重、体系完整、内容新颖、条理清晰、组织合理、强调实践，包括使用scikitlearn、TensorFlow和Keras创建智能系统和机器学习解决方案，并将论述的重点放在实现和实践上，以便让读者更好地了解Python深度学习应用的实现细节。 本书适合所有对Python深度学习感兴趣的人士阅读。
目录
章 Jupyter基础/ 11.1 基本功能与特征/ 21.1.1 Jupyter Notebook是什么，为什么它如此有用/ 21.1.2 Jupyter Notebook概览/ 41.1.3 Jupyter特色/ 81.1.4 Python库/ 141.2 个数据分析实例——基于波士顿住房数据集/ 171.2.1 使用Pandas DataFrame载入数据集/ 171.2.2 数据集/ 221.2.3 基于Jupyter Notebook的预测分析简介/ 261.2.4 实践: 构建一个基于三阶多项式的模型/ 301.2.5 使用分类特征完成对数据集的分段分析/ 351.3 本章小结/ 41第2章 数据清洗和高级机器学习/ 422.1 准备训练预测模型/ 432.1.1 确定预测分析计划/ 432.1.2 机器学习的数据预处理/ 452.1.3 实践: 准备训练“员工去留问题”的预测模型/ 552.2 训练分类模型/ 642.2.1 分类算法简介/ 642.2.2 使用k折交叉验证和验证曲线评估模型/ 792.2.3 降维技术/ 842.2.4 训练员工去留问题的预测模型/ 852.3 本章小结/ 93第3章 网页信息采集和交互式可视化/ 943.1 采集网页信息/ 953.1.1 HTTP请求简介/ 953.1.2 在Jupyter Notebook中实现HTTP请求/ 963.1.3 在Jupyter Notebook中解析HTML/ 1013.1.4 实践: 在Jupyter Notebook中实现网页信息采集/ 1073.2 交互可视化/ 1113.2.1 构建DataFrame以存储和组织数据/ 1113.2.2 Bokeh简介/ 1173.2.3 实例: 使用交互式可视化探索数据/ 1213.3 本章小结/ 130第4章 神经网络与深度学习概述/ 1324.1 什么是神经网络/ 1324.1.1 成功的应用案例/ 1334.1.2 为什么神经网络能够表现得如此出色/ 1344.1.3 深度学习的局限性/ 1364.1.4 神经网络的一般构成和操作/ 1374.2 配置深度学习环境/ 1394.2.1 用于深度学习的软件组件/ 1394.2.2 实例: 验证软件组件/ 1414.2.3 探索一个训练好的神经网络/ 1434.2.4 实例: 探索一个训练好的神经网络/ 1484.3 本章小结/ 150第5章 模型体系结构/ 1515.1 选择合适的模型体系结构/ 1515.1.1 常见的体系结构/ 1515.1.2 数据标准化/ 1565.1.3 构建您的问题/ 1575.1.4 实例: 探索比特币数据集，为模型准备数据/ 1595.2 使用Keras作为TensorFlow接口/ 1655.2.1 模型组件/ 1655.2.2 实例: 使用Keras创建TensorFlow模型/ 1675.2.3 从数据准备到建模/ 1685.2.4 训练神经网络/ 1695.2.5 调整时间序列数据维度/ 1695.2.6 预测数据/ 1725.2.7 实例: 组建深度学习系统/ 1735.3 本章小结/ 176第6章 模型评估和优化/ 1776.1 模型评估/ 1776.1.1 问题类别/ 1776.1.2 损失函数、准确率和错误率/ 1786.1.3 使用TensorBoard进行可视化/ 1806.1.4 实现模型评估的测度/ 1826.1.5 实践: 创建一个训练环境/ 1876.2 超参数优化/ 1926.2.1 针对神经层和神经元——添加更多的神经层/ 1926.2.2 迭代步数/ 1946.2.3 激活函数/ 1956.2.4 激活函数的实现/ 1976.2.5 正则化策略/ 1986.2.6 结果优化/ 1996.2.7 实践: 优化神经网络模型/ 2006.3 本章小结/ 202第7章 产品化/ 2037.1 处理新数据/ 2037.1.1 分离数据和模型/ 2037.1.2 处理新数据/ 2057.1.3 实例: 处理新数据/ 2087.2 将模型部署为Web应用程序/ 2107.2.1 应用架构和技术/ 2107.2.2 部署和使用cryptonic/ 2117.2.3 实例: 部署深度学习应用程序/ 2147.3 本章小结/ 216
作者介绍
序言
-
【封面】
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价