科技 类型
可以朗读 语音朗读
227千字 字数
2022-05-01 发行日期
展开全部

主编推荐语

TensorFlow机器学习超入门教程。

内容简介

本书通过大量实例，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。

目录

  • 版权信息
  • 作者简介
  • 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
  • 1.2 数据表示和特征
  • 1.3 度量距离
  • 1.4 机器学习的类型
  • 1.5 TensorFlow
  • 1.6 后续各章概述
  • 小结
  • 第2章 TensorFlow必备知识
  • 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
  • 2.10 把所有综合到一起：TensorFlow系统架构和API
  • 小结
  • 第二部分 核心学习算法
  • 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
  • 3.4 正则化
  • 3.5 线性回归的应用
  • 小结
  • 第4章 使用回归进行呼叫量预测
  • 4.1 什么是311
  • 4.2 为回归清洗数据
  • 4.3 什么是钟形曲线？预测高斯分布
  • 4.4 训练呼叫回归预测器
  • 4.5 可视化结果并绘制误差
  • 4.6 正则化和训练测试集拆分
  • 小结
  • 第5章 分类问题基础介绍
  • 5.1 形式化表示
  • 5.2 衡量性能
  • 5.3 使用线性回归进行分类
  • 5.4 使用逻辑回归
  • 5.5 多分类器
  • 5.6 分类的应用
  • 小结
  • 第6章 情感分类：大型影评数据集
  • 6.1 使用词袋模型
  • 6.2 使用逻辑回归构建情感分类器
  • 6.3 使用情感分类器进行预测
  • 6.4 测量分类器的有效性
  • 6.5 创建softmax回归情感分类器
  • 6.6 向Kaggle提交结果
  • 小结
  • 第7章 自动聚类数据
  • 7.1 使用TensorFlow遍历文件
  • 7.2 音频特征提取
  • 7.3 使用k-means聚类
  • 7.4 分割音频
  • 7.5 使用自组织映射进行聚类
  • 7.6 应用聚类
  • 小结
  • 第8章 从Android的加速度计数据推断用户活动
  • 8.1 Walking数据集中的用户活动数据
  • 8.2 基于急动度大小聚类相似参与者
  • 8.3 单个参与者的不同类别活动
  • 小结
  • 第9章 隐马尔可夫模型
  • 9.1 一个不可解释模型的例子
  • 9.2 马尔可夫模型
  • 9.3 隐马尔可夫模型简介
  • 9.4 前向算法
  • 9.5 维特比解码
  • 9.6 使用HMM
  • 9.7 HMM的应用
  • 小结
  • 第10章 词性标注和词义消歧
  • 10.1 HMM示例回顾：雨天或晴天
  • 10.2 词性标注
  • 10.3 构建基于HMM的词性消歧算法
  • 10.4 运行HMM并评估其输出
  • 10.5 从布朗语料库获得更多的训练数据
  • 10.6 为词性标注定义评估指标
  • 小结
  • 第三部分 神经网络范式
  • 第11章 自编码器
  • 11.1 神经网络简介
  • 11.2 自编码器简介
  • 11.3 批量训练
  • 11.4 处理图像
  • 11.5 自编码器的应用
  • 小结
  • 第12章 应用自编码器：CIFAR-10图像数据集
  • 12.1 什么是CIFAR-10
  • 12.2 自编码器作为分类器
  • 12.3 去噪自编码器
  • 12.4 堆栈自编码器
  • 小结
  • 第13章 强化学习
  • 13.1 相关概念
  • 13.2 应用强化学习
  • 13.3 实现强化学习
  • 13.4 探索强化学习的其他应用
  • 小结
  • 第14章 卷积神经网络
  • 14.1 神经网络的缺点
  • 14.2 卷积神经网络简介
  • 14.3 准备图像
  • 14.4 在TensorFlow中实现CNN
  • 14.5 提高性能的提示和技巧
  • 14.6 CNN的应用
  • 小结
  • 第15章 构建现实世界中的CNN：VGG-Face和VGG-Face Lite
  • 15.1 为CIFAR-10构建一个现实世界的CNN架构
  • 15.2 为CIFAR-10构建深层CNN架构
  • 15.3 训练和应用一个更好的CIFAR-10 CNN
  • 15.4 在CIFAR-10测试和评估CNN
  • 15.5 构建用于人脸识别的VGG-Face
  • 小结
  • 第16章 循环神经网络
  • 16.1 RNN介绍
  • 16.2 实现循环神经网络
  • 16.3 使用时间序列数据的预测模型
  • 16.4 应用RNN
  • 小结
  • 第17章 LSTM和自动语音识别
  • 17.1 准备LibriSpeech语料库
  • 17.2 使用深度语音模型
  • 17.3 训练和评估深度语音模型
  • 小结
  • 第18章 用于聊天机器人的seq2seq模型
  • 18.1 基于分类和RNN
  • 18.2 理解seq2seq架构
  • 18.3 符号的向量表示
  • 18.4 把它们综合到一起
  • 18.5 收集对话数据
  • 小结
  • 第19章 效用
  • 19.1 偏好模型
  • 19.2 图像嵌入
  • 19.3 图像排序
  • 小结
  • 接下来
  • 附录 安装说明
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

机械工业出版社有限公司

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。