机器学习实战 模型构建与应用
全新正版 极速发货
￥ 72.05 5.6折 ￥ 129 全新
库存13件
广东广州
认证卖家担保交易快速发货售后保障
作者(美)劳伦斯·莫罗尼
出版社机械工业出版社
ISBN9787111705635
出版时间2022-06
装帧平装
开本16开
定价129元
货号1202665689
上书时间2024-09-04
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
劳伦斯·莫罗尼（Laurence Moroney），在谷歌领导AlAdvocacy，教授软件开发人员使用机器学习构建Al系统。他是TensorFlowYouTube频道youtube.com/tensorflow的常客，是认可的优选主题演讲者，著作数不胜数。
目录
序言
前言
第一部分 构建模型
第1章 TensorFlow简介
1.1 什么是机器学习
1.2 传程的局限性
1.3 从编程到学习
1.4 什么是TensorFlow
1.5 使用TensorFlow
1.6 初学机器学习
1.7 总结
第2章 计算机视觉简介
2.1 识别服装
2.2 视觉神经元
2.3 设计神经网络
2.4 训练神经网络
2.5 探索模型输出
2.6 训练更长时间，发现过拟合
2.7 停止训练
2.8 总结
第3章 图像特征检测
3.1 卷积
3.2 池化
3.3 实现卷积神经网络
3.4 探索卷积网络
3.5 创建一个CNN来区分马和人
3.6 图像增强
3.7 迁移学习
3.8 多类别分类
3.9 dropout正则化
3.10 总结
第4章 TensorFlow Datasets
4.1 TFDS入门
4.2 在Keras模型中使用TFDS
4.3 使用映函数进行增强
4.4 使用自定义分割
4.5 理解TFRecord
4.6 TensorFlow中管理数据的ETL过程
4.7 总结
第5章 自然语言处理简介
5.1 将语言编码为数字
5.2 移除停用词和清理文本
5.3 使用真实数据源
5.4 总结
第6章 使用嵌入来编程情感
6.1 从词建立意义
6.2 TensorFlow中的嵌入
6.3 可视化嵌入
6.4 使用来自TensorFlow Hub的预训练嵌入
6.5 总结
第7章 自然语言处理的循环神经网络
7.1 循环的基础
7.2 为语言扩展循环
7.3 使用RNN创建文本分类器
7.4 在RNN中使用预训练的嵌入
7.5 总结
第8章 使用TensorFlow创建文本
8.1 将序列转换为输入序列
8.2 创建模型
8.3 生成文本
8.4 扩展数据集
8.5 改变模型架构
8.6 改进数据
8.7 基于字符的编码
8.8 总结
第9章 理解序列和时间序列数据
9.1 时间序列的常见属性
9.2 预测时间序列的技术
9.3 总结
第10章 创建ML模型来预测序列
10.1 创建窗口数据集
10.2 创建并训练DNN来拟合序列数据
10.3 评估DNN的结果
10.4 探索整体的预测
10.5 调整学习率
10.6 使用Keras Tuner探索参数调优
10.7 总结
第11章 序列模型中的卷积和循环
11.1 序列数据的卷积
11.2 使用NASA天气数据
11.3 使用RNN进行序列建模
11.4 使用其他循环方法
11.5 使用dropout
11.6 使用双向RNN
11.7 总结
第二部分 使用模型
第12章 TensorFlow Lite简介
12.1 什么是TensorFlow Lite
12.2 演练：创建模型并将其转换为TensorFlow Lite
12.3 演练：迁移学习图像分类器并转换到Tensor Flow Lite
12.4 总结
第13章 在Android应用程序中使用TensorFlow Lite
13.1 什么是Android Studio
13.2 创建你的一个TensorFlow Lite Android应用程序
13.3 越“Hello World”—处理图像
13.4 TensorFlow Lite示例应用程序
13.5 总结
第14章 在iOS应用程序中使用TensorFlow Lite
14.1 使用Xcode创建你的一个TensorFlow Lite应用程序
14.2 越“Hello World”—处理图像
14.3 TensorFlow Lite示例应用程序
14.4 总结
第15章 TensorFlow.js简介
15.1 什么是TensorFlow.js
15.2 安装和使用Brackets IDE
15.3 构建一个TensorFlow.js模型
15.4 创建Iris分类器
15.5 总结
第16章 TensorFlow.js中的计算机视觉编程技术
16.1 TensorFlow开发人员的JavaScript注意事项
16.2 使用JavaScript构建CNN
16.3 使用回调进行可视化
16.4 使用MNIST数据集进行训练
16.5 在TensorFlow.js中对图像运行推理
16.6 总结
第17章 重用和转换Python模型为JavaScript
17.1 将基于Python的模型转换为JavaScript
17.2 使用预转换的JavaScript模型
17.3 总结
第18章 JavaScript中的迁移学习
18.1 从MobileNet进行迁移学习
18.2 来自TensorFlow Hub的迁移学习
18.3 使用来自TensorFlow.org的模型
18.4 总结
第19章 使用TensorFlow Serving进行部署
19.1 什么是TensorFlow Serving
19.2 安装TensorFlow Serving
19.3 构建和服务模型
19.4 总结
第20章 AI的伦理、公平和隐私
20.1 编程中的公平
20.2 机器学习中的公平
20.3 实现公平的工具
20.4 联邦学习
20.5 谷歌的AI原则
20.6 总结
内容摘要
本书是一本面向程序员的基础教程，涉及目前人工智能领域的几个热门方向，包括计算机视觉、自然语言处理和序列数据建模。尽管内容丰富，但作者并没有引入太多的理论知识，而是通过直观的例子来解释机器学习和人工智能的基本概念，并立刻通过代码来实现。本书遵循近期新的TensorFlow 2.0编程规范，易于阅读和理解，不需要你有大量的机器学习背景。
作者不惜笔墨地充分展示了如何利用TensorFlow在不同的场景下部署模型，包括网页端、移动端（iOS和Android）和云端。书中提供的很多用于部署模型的代码范例稍加修改就可以用于不同的场景。本书还涉及如何确保人工智能的伦理、公平和隐私。书中提到的联邦学习及保证公平性的软件都是近期新的和值得研究的。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价