5.0 用户推荐指数
科技
类型
8.6
豆瓣评分
可以朗读
语音朗读
375千字
字数
2018-08-01
发行日期
展开全部
主编推荐语
前谷歌工程师撰写，从开发者的实践角度，手把手教你从零开始搭建起一个神经网络。
内容简介
前谷歌工程师撰写，从开发者的实践角度，手把手教你从零开始搭建起一个神经网络。
本书主要分为两个部分，带你循序渐进地了解机器学习的理论知识和工具的实践技巧：
第一部分为第1章到第8章，涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等，帮助读者掌握Scikit-Learn的常用方法；
第二部分为第9章到第16章，探讨深度学习和常用框架TensorFlow，一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络，以及卷积神经网络。
目录
- 版权信息
- O’Reilly Media，Inc.介绍
- 业界评论
- 译者序
- 前言
- 第一部分 机器学习基础
- 第1章 机器学习概览
- 什么是机器学习
- 为什么要使用机器学习
- 机器学习系统的种类
- 机器学习的主要挑战
- 测试与验证
- 练习
- 第2章 端到端的机器学习项目
- 使用真实数据
- 观察大局
- 获取数据
- 从数据探索和可视化中获得洞见
- 机器学习算法的数据准备
- 选择和训练模型
- 微调模型
- 网格搜索
- 启动、监控和维护系统
- 试试看
- 练习
- 第3章 分类
- MNIST
- 训练一个二元分类器
- 性能考核
- 多类别分类器
- 错误分析
- 多标签分类
- 多输出分类
- 练习
- 第4章 训练模型
- 线性回归
- 梯度下降
- 多项式回归
- 学习曲线
- 正则线性模型
- 练习
- 第5章 支持向量机
- 线性SVM分类
- 非线性SVM分类
- SVM回归
- 工作原理
- 训练目标
- 练习
- 第6章 决策树
- 决策树训练和可视化
- 做出预测
- 估算类别概率
- CART训练算法
- 计算复杂度
- 基尼不纯度还是信息熵
- 正则化超参数
- 回归
- 不稳定性
- 练习
- 第7章 集成学习和随机森林
- 投票分类器
- bagging和pasting
- Random Patches和随机子空间
- 随机森林
- 提升法
- 堆叠法
- 练习
- 第8章 降维
- 数据降维的主要方法
- PCA
- 核主成分分析
- 局部线性嵌入
- 其他降维技巧
- 练习
- 第二部分 神经网络和深度学习
- 第9章 运行TensorFlow
- 安装
- 创建一个计算图并在会话中执行
- 管理图
- 节点值的生命周期
- TensorFlow中的线性回归
- 实现梯度下降
- 给训练算法提供数据
- 保存和恢复模型
- 用TensorBoard来可视化图和训练曲线
- 命名作用域
- 模块化
- 共享变量
- 练习
- 第10章 人工神经网络简介
- 从生物神经元到人工神经元
- 用TensorFlow的高级API来训练MLP
- 使用纯TensorFlow训练DNN
- 微调神经网络的超参数
- 练习
- 第11章 训练深度神经网络
- 梯度消失/爆炸问题
- 重用预训练图层
- 快速优化器
- 通过正则化避免过度拟合
- 实用指南
- 练习
- 第12章 跨设备和服务器的分布式TensorFlow
- 一台机器上的多个运算资源
- 多设备跨多服务器
- 在TensorFlow集群上并行化神经网络
- 练习
- 第13章 卷积神经网络
- 视觉皮层的组织结构
- 卷积层
- 池化层
- CNN架构
- 练习
- 第14章 循环神经网络
- 循环神经元
- TensorFlow中的基本RNN
- 训练RNN
- 深层RNN
- LSTM单元
- GRU单元
- 自然语言处理
- 练习
- 第15章 自动编码器
- 高效的数据表示
- 使用不完整的线性自动编码器实现PCA
- 栈式自动编码器
- 使用堆叠的自动编码器进行无监控的预训练
- 去噪自动编码器
- 稀疏自动编码器
- 变分自动编码器
- 其他自动编码器
- 练习
- 第16章 强化学习
- 学习奖励最优化
- 策略搜索
- OpenAI gym介绍
- 神经网络策略
- 评估行为：信用分配问题
- 策略梯度
- 马尔可夫决策过程
- 时间差分学习与Q学习
- 使用深度Q学习玩吃豆人游戏
- 练习
- 致谢
- 附录A 练习答案
- 附录B 机器学习项目清单
- 附录C SVM对偶问题
- 附录D 自动微分
- 附录E 其他流行的ANN架构
- 作者介绍
- 封面介绍
展开全部
评分及书评
5.0
5个评分
给这本书评了5.0> print (‘值得逐行阅读.’)
给这本书评了5.0随着 AlphaGo 在人机大战中一举成名，关于机器学习的研究开始广受关注，数据科学家也一跃成为 “21 世纪最性感的职业”。关于机器学习和神经网络的广泛应用虽然兴起不久，但是对这两个密切关联的领域的研究其实已经持续了好几十年，早已形成了系统化的知识体系。对于想要踏入机器学习领域的初学者而言，理论知识的获取并非难事。
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。
