人工智能 类型
6.4 豆瓣评分
可以朗读 语音朗读
140千字 字数
2020-02-01 发行日期
展开全部

主编推荐语

面向程序员的实用机器学习指南，涵盖原理、实战与部署，以Python和Keras为主。

内容简介

从实际机器学习应用案例入手，面向广大程序员和开发工程师，避免枯燥烦琐的公式推导，以简明扼要的文字和图例为主，覆盖从基础到复杂的机器学习相关应用原理讲解、实际架构设计和代码实现解析。内容分为三大部分：快速上手、案例实战、产品部署，涵盖实际机器学习开发中数据预测、分类、图像识别、语言处理等主要方面，并以实际工程部署为目标，在算法原理之外重点讨论从算法到实际部署过程中要注意的问题和难点，并以产品级代码进行解析。全文以Python和Keras为主进行算法实现。

目录

  • 封面
  • 书名页
  • 内容简介
  • 版权页
  • 推荐序一
  • 推荐序二
  • 推荐序三
  • 目录
  • 上篇
  • 第1章　机器学习的Hello World
  • 1.1　机器学习简介
  • 1.2　机器学习应用的核心开发流程
  • 1.3　从代码开始
  • 1.3.1　搭建环境
  • 1.3.2　一段简单的代码
  • 1.4　本章小结
  • 1.5　本章参考文献
  • 第2章　手工实现神经网络
  • 2.1　感知器
  • 2.1.1　从神经元到感知器
  • 2.1.2　实现简单的感知器
  • 2.2　线性回归、梯度下降及实现
  • 2.2.1　分类的原理
  • 2.2.2　损失函数与梯度下降
  • 2.2.3　神经元的线性回归实现
  • 2.3　随机梯度下降及实现
  • 2.4　单层神经网络的Python实现
  • 2.4.1　从神经元到神经网络
  • 2.4.2　单层神经网络：初始化
  • 2.4.3　单层神经网络：核心概念
  • 2.4.4　单层神经网络：前向传播
  • 2.4.5　单层神经网络：反向传播
  • 2.4.6　网络训练及调整
  • 2.5　本章小结
  • 2.6　本章参考文献
  • 第3章　上手Keras
  • 3.1　Keras简介
  • 3.2　Keras开发入门
  • 3.2.1　构建模型
  • 3.2.2　训练与测试
  • 3.3　Keras的概念说明
  • 3.3.1　Model
  • 3.3.2　Layer
  • 3.3.3　Loss
  • 3.4　再次代码实战
  • 3.4.1　XOR运算
  • 3.4.2　房屋价格预测
  • 3.5　本章小结
  • 3.6　本章参考文献
  • 第4章　预测与分类：简单的机器学习应用
  • 4.1　机器学习框架之sklearn简介
  • 4.1.1　安装sklearn
  • 4.1.2　sklearn中的常用模块
  • 4.1.3　对算法和模型的选择
  • 4.1.4　对数据集的划分
  • 4.2　初识分类算法
  • 4.2.1　分类算法的性能度量指标
  • 4.2.2　朴素贝叶斯分类及案例实现
  • 4.3　决策树
  • 4.3.1　算法介绍
  • 4.3.2　决策树的原理
  • 4.3.3　实例演练
  • 4.3.4　决策树优化
  • 4.4　线性回归
  • 4.4.1　算法介绍
  • 4.4.2　实例演练
  • 4.5　逻辑回归
  • 4.5.1　算法介绍
  • 4.5.2　多分类问题与实例演练
  • 4.6　神经网络
  • 4.6.1　神经网络的历史
  • 4.6.2　实例演练
  • 4.6.3　深度学习中的一些算法细节
  • 4.7　本章小结
  • 4.8　本章参考文献
  • 下篇
  • 第5章　推荐系统基础
  • 5.1　推荐系统简介
  • 5.2　相似度计算
  • 5.3　协同过滤
  • 5.3.1　基于用户的协同过滤
  • 5.3.2　基于物品的协同过滤
  • 5.3.3　算法实现与案例演练
  • 5.4　LR模型在推荐场景下的应用
  • 5.5　多模型融合推荐模型：Wide＆Deep模型
  • 5.5.1　探索-利用困境的问题
  • 5.5.2　Wide＆Deep模型
  • 5.5.3　交叉特征
  • 5.6　本章小结
  • 5.7　本章参考文献
  • 第6章　项目实战：聊天机器人
  • 6.1　聊天机器人的发展历史
  • 6.2　循环神经网络
  • 6.2.1　Slot Filling
  • 6.2.2　NLP中的单词处理
  • 6.2.3　循环神经网络简介
  • 6.2.4　LSTM网络简介
  • 6.3　Seq2Seq原理介绍及实现
  • 6.3.1　Seq2Seq原理介绍
  • 6.3.2　用Keras实现Seq2Seq算法
  • 6.4　Attention
  • 6.4.1　Seq2Seq的问题
  • 6.4.2　Attention的工作原理
  • 6.4.3　Attention在Keras中的实现
  • 6.4.4　Attention示例
  • 6.5　本章小结
  • 6.6　本章参考文献
  • 第7章　图像分类实战
  • 7.1　图像分类与卷积神经网络
  • 7.1.1　卷积神经网络的历史
  • 7.1.2　图像分类的3个问题
  • 7.2　卷积神经网络的工作原理
  • 7.2.1　卷积运算
  • 7.2.2　传统图像处理中的卷积运算
  • 7.2.3　Pooling
  • 7.2.4　为什么卷积神经网络能达到较好的效果
  • 7.3　案例实战：交通图标分类
  • 7.3.1　交通图标数据集
  • 7.3.2　卷积神经网络的Keras实现
  • 7.4　优化策略
  • 7.4.1　数据增强
  • 7.4.2　ResNet
  • 7.5　本章小结
  • 7.6　本章参考文献
  • 第8章　目标识别
  • 8.1　CNN的演化
  • 8.1.1　CNN和滑动窗口
  • 8.1.2　RCNN
  • 8.1.3　从Fast RCNN到Faster RCNN
  • 8.1.4　Faster RCNN核心代码解析
  • 8.2　YOLO
  • 8.2.1　YOLO v1
  • 8.2.2　YOLO v2
  • 8.2.3　YOLO v3
  • 8.3　YOLO v3的具体实现
  • 8.3.1　数据预处理
  • 8.3.2　模型训练
  • 8.4　本章小结
  • 8.5　本章参考文献
  • 第9章　模型部署与服务
  • 9.1　生产环境中的模型服务
  • 9.2　TensorFlow Serving的应用
  • 9.2.1　转换Keras模型
  • 9.2.2　TensorFlow Serving部署
  • 9.2.3　接口验证
  • 9.3　本章小结
  • 9.4　本章参考文献
  • 封底
展开全部

评分及书评

评分不足
1个评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。