消息 首页 搜索 举报
  • 机器学习实战:基于Scikit-Learn.Keras和TensorFlow(原书第2版)9787111665977
21年品牌 40万+商家 超1.5亿件商品

机器学习实战:基于Scikit-Learn.Keras和TensorFlow(原书第2版)9787111665977

正版二手图书，可开发票，请放心购买。

￥ 25.96 1.7折 ￥ 149 九品

仅1件

广东广州
认证卖家担保交易快速发货售后保障

作者[法] 奥雷利安·杰龙(Aurélien G

出版社机械工业出版社

ISBN9787111665977

出版时间2020-09

装帧平装

开本16开

定价149元

货号1317752373431107045

上书时间2024-12-28

亿临书店

四年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：九品
商品描述
作者简介
随着一系列的突破，深度学习点燃了整个机器学习领域。 现在，即使是对这项技术毫无基础的程序员，也可以使用简单高效的工具来实现“可以自动从数据中学习”的程序。本书将展示如何做到这一点。通过具体的例子、很好少的理论和两个产品级的Python框架——Scikit-learn 和 TensorFlow 。作者帮助你很直观地理解并掌握构建智能系统的概念和工具。你将学习一系列技术，从简单的线性回归开始到深度神经网络等。每章都有习题来帮助你应用学到的知识，你所需要的只是一点编程经验，仅此而已。- 探索机器学习的全景图，特别是神经网络。- 使用Scikit-Learn来端到端地建立一个机器学习项目的示例。- 探索多种训练模型，包括支持向量机、决策树、随机森林和集成方法。- 使用TensorFlow库建立和训练神经网络。- 深入神经网络架构，包括卷积网络、递归网络和深度强化学习。- 学习训练和伸缩深度神经网络的技巧。- 应用可以工作的代码示例，而无须过多的机器学习理论或算法细节。本书是关于使用神经网络来解决问题的理论和实践的一本导论。它涵盖了你建立高效应用的关键点，以及足够的背景知识以应对新研究的出现。 我推荐这本书给有兴趣学习用机器学习来解决实际问题的人。- Pete Warden- TensorFlow移动端负责人Aurelien Geron是机器学习方面的顾问。他是Google的前员工，在2013年到2016年领导过YouTube视频分类团队。2002年至2012年，他还是Wifirst公司的创始人和首席技术官，在2001年，他是Ployconseil公司的创始人和首席技术官。

目录
前言1部分 机器学习的基础知识11章 机器学习概览131.1 什么是机器学习141.2 为什么使用机器学习141.3 机器学习的应用示例161.4 机器学习系统的类型181.5 机器学习的主要挑战321.6 测试与验证381.7 练习题40第2章 端到端的机器学习项目422.1 使用真实数据422.2 观察大局442.3 获取数据482.4 从数据探索和可视化中获得洞见602.5 机器学习算法的数据准备662.6 选择和训练模型742.7 微调模型772.8 启动、监控和维护你的系统822.9 试试看842.10 练习题84第3章 分类863.1 MNIST863.2 训练二元分类器883.3 性能测量893.4 多类分类器993.5 误差分析1013.6 多标签分类1043.7 多输出分类1053.8 练习题107第4章 训练模型1084.1 线性回归1094.2 梯度下降1134.3 多项式回归1224.4 学习曲线1244.5 正则化线性模型1274.6 逻辑回归1344.7 练习题141第5章 支持向量机1435.1 线性SVM分类1435.2 非线性SVM分类1465.3 SVM回归1515.4 工作原理1525.5 练习题160第6章 决策树1626.1 训练和可视化决策树1626.2 做出预测1636.3 估计类概率1656.4 CART训练算法1666.5 计算复杂度1666.6 基尼不纯度或熵1676.7 正则化超参数1676.8 回归1686.9 不稳定性1706.10 练习题172第7章 集成学习和随机森林1737.1 投票分类器1737.2 bagging和pasting1767.3 随机补丁和随机子空间1797.4 随机森林1807.5 提升法1827.6 堆叠法1907.7 练习题192第8章 降维1938.1 维度的诅咒1948.2 降维的主要方法1958.3 PCA1988.4 内核PCA2048.5 LLE2068.6 其他降维技术2088.7 练习题209第9章 无监督学习技术2119.1 聚类2129.2 高斯混合模型2329.3 练习题245第二部分 神经网络与深度学习2470章 Keras人工神经网络简介24910.1 从生物神经元到人工神经元25010.2 使用Keras实现MLP26210.3 微调神经网络超参数28410.4 练习题2901章 训练深度神经网络29311.1 梯度消失与梯度爆炸问题29311.2 重用预训练层30511.3 更快的优化器31011.4 通过正则化避免过拟合32111.5 总结和实用指南32711.6 练习题3292章 使用TensorFlow自定义模型和训练33012.1 TensorFlow快速浏览33012.2 像NumPy一样使用TensorFlow33312.3 定制模型和训练算法33812.4 TensorFlow函数和图35612.5 练习题3603章 使用TensorFlow加载和预处理数据36213.1 数据API36313.2 TFRecord格式37213.3 预处理输入特征37713.4 TF Transform38513.5 TensorFlow数据集项目38613.6 练习题3884章 使用卷积神经网络的深度计算机视觉39014.1 视觉皮层的架构39014.2 卷积层39214.3 池化层39914.4 CNN架构40214.5 使用Keras实现ResNet-34 CNN41614.6 使用Keras的预训练模型41714.7 迁移学习的预训练模型41814.8 分类和定位42114.9 物体检测42214.10 语义分割42814.11 练习题4315章 使用RNN和CNN处理序列43215.1 循环神经元和层43215.2 训练RNN43615.3 预测时间序列43715.4 处理长序列44415.5 练习题4536章 使用RNN和注意力机制进行自然语言处理45516.1 使用字符RNN生成莎士比亚文本45616.2 情感分析46416.3 神经机器翻译的编码器-解码器网络47016.4 注意力机制47616.5 最近语言模型的创新48616.6 练习题4887章 使用自动编码器和GAN的表征学习和生成学习48917.1 有效的数据表征49017.2 使用不完整的线性自动编码器执行PCA49117.3 堆叠式自动编码器49317.4 卷积自动编码器49917.5 循环自动编码器50017.6 去噪自动编码器50117.7 稀疏自动编码器50217.8变分自动编码器50517.9 生成式对抗网络51017.10 练习题5228章 强化学习52318.1 学习优化奖励52418.2 策略搜索52518.3 OpenAI Gym介绍52618.4 神经网络策略52918.5 评估动作：信用分配问题53118.6 策略梯度53218.7 马尔可夫决策过程53618.8 时序差分学习54018.9 Q学习54018.10 实现深度Q学习54418.11 深度Q学习的变体54718.12 TF-Agents库55018.13 一些流行的RL算法概述56818.14 练习题5699章 大规模训练和部署TensorFlow模型57119.1 为TensorFlow模型提供服务57219.2 将模型部署到移动端或嵌入式设备58619.3 使用GPU加速计算58919.4 跨多个设备的训练模型60019.5 练习题61319.6 致谢613附录A 课后练习题解答614附录B 机器学习项目清单642附录C SVM对偶问题647附录D 自动微分650附录E 其他流行的人工神经网络架构656附录F 特殊数据结构663附录G TensorFlow图669

内容摘要
本书分为两部分。第壹部分，机器学习基础，涵盖以下主题：什么是机器学习，它试图解决什么问题，以及系统的主要类别和基本概念；第二部分，神经网络和深度学习，涵盖以下主题：什么是神经网络以及它们有什么用，使用TensorFlow和Keras构建和训练神经网络的技术，以及如何使用强化学习构建可以通过反复试错，学习好的策略的代理程序。第壹部分主要基于Scikit-Learn，而第二部分则使用TensorFlow和Keras。

主编推荐
随着一系列的技术突破，深度学习推动了整个机器学习领域的发展。现在，即使是对这项技术几乎一无所知的程序员也可以使用简单有效的工具来实现“可以自动从数据中学习”的程序。这本畅销书的更新版通过具体的示例、很好少的理论和可用于生产环境的Python框架来帮助你直观地理解并掌握构建智能系统所需要的概念和工具。你会学到一系列可以快速使用的技术。每章的练习可以帮助你应用所学的知识，你只需要有一些编程经验。所有代码都可以在GitHub上获得。它已更新为TensorFlow 2和Scikit-Learn的新版本。

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP