幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

TensorFlow機器學習

  • 作者：(美)尼山特·舒克拉|譯者:劉宇鵬//楊錦鋒//滕志揚
  • 出版社：機械工業
  • ISBN：9787111636120
  • 出版日期：2019/11/01
  • 裝幀：平裝
  • 頁數：200
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書由淺入深地對TensorFlow進行了介紹，並對TensorFlow的本質、核心學習演算法（線性回歸、分類、聚類、隱馬爾可夫模型）和神經網路的類型（自編碼器、強化學習、卷積神經網路和循環神經網路）都進行了詳細介紹，同時配以代碼實現。本書可作為人工智慧、機器學習、深度學習相關行業的從業者和愛好者的重要參考書。
作者介紹
(美)尼山特·舒克拉|譯者:劉宇鵬//楊錦鋒//滕志揚
    尼山特·舒克拉（Nishant Shukla），加州大學洛杉磯分校的博士研究員，專註于機器學習和電腦視覺技術。Nishant還具有弗吉尼亞大學電腦科學和數學學士學位。在那裡，他是Hack.UVA的創始成員，並且講授關於Haskell的廣受歡迎的課程。Nishant曾擔任Microsoft、Facebook和Foursquare的開發人員，以及SpaceX的機器學習工程師，他還著有Haskell Data Analysis Cookbook一書。此外，他還發表了從分析化學到自然語言處理的研究論文。
目錄
原書序
原書前言
第一部分  機器學習套裝
  第1章  機器學習旅程
    1.1  機器學習基礎
      1.1.1  參數
      1.1.2  學習和推理
    1.2  數據表示和特徵
    1.3  距離度量
    1.4  學習類型
      1.4.1  監督學習
      1.4.2  無監督學習
      1.4.3  強化學習
    1.5  TensorFlow
    1.6  餘下的章節
    1.7  小結
  第2章  TensorFlow基礎
    2.1  保證TensorFlow運行
    2.2  張量表示
    2.3  創建運算
    2.4  使用session執行運算
      2.4.1  將代碼理解為圖
      2.4.2  設置session的配置項
    2.5  使用Jupyter寫代碼
    2.6  使用變數
    2.7  保存和載入變數
    2.8  使用TensorBoard可視化數據
      2.8.1  實現一個移動平均演算法
      2.8.2  可視化移動平均演算法
    2.9  小結
第二部分  核心學習演算法
  第3章  線性回歸及其他
    3.1  形式化定義
      3.1.1  如何知道回歸演算法在起作用
    3.2  線性回歸
    3.3  多項式模型
    3.4  正則化
    3.5  線性回歸的應用
    3.6  小結
  第4章  簡明的分類介紹
    4.1  形式化定義
    4.2  衡量分類性能
      4.2.1  精度
      4.2.2  準確率和召回率
      4.2.3  受試者工作特徵曲線
    4.3  用線性回歸實現分類
    4.4  邏輯斯諦回歸
      4.4.1  求解一維邏輯斯諦回歸
      4.4.2  求解二維邏輯斯諦回歸
    4.5  多類別分類器

      4.5.1  一對多
      4.5.2  一對一
      4.5.3  softmax回歸
    4.6  分類的應用
    4.7  小結
  第5章  自動聚類數據
    5.1  在TensorFlow中遍歷文件
    5.2  從音頻文件中抽取特徵
    5.3  k-均值聚類
    5.4  音頻分割
    5.5  用自組織映射實現聚類
    5.6  聚類的應用
    5.7  小結
  第6章  隱馬爾可夫模型
    6.1  一個不那麼可解釋模型的例子
    6.2  馬爾可夫模型
    6.3  隱馬爾可夫模型
    6.4  前向演算法
    6.5  Viterbi解碼
    6.6  隱馬爾可夫模型的使用
      6.6.1  視頻建模
      6.6.2  DNA建模
      6.6.3  圖像建模
    6.7  隱馬爾可夫模型的應用
    6.8  小結
第三部分  神經網路樣式
  第7章  自編碼器
    7.1  神經網路
    7.2  自編碼器
    7.3  批量訓練
    7.4  圖像處理
    7.5  自編碼器的應用
    7.6  小結
  第8章  強化學習
    8.1  形式化定義
      8.1.1  策略
      8.1.2  效用函數
    8.2  強化學習的應用
    8.3  強化學習的實現
    8.4  探索強化學習的其他應用
    8.5  小結
  第9章  卷積神經網路
    9.1  神經網路的缺點
    9.2  卷積神經網路
    9.3  準備圖像
      9.3.1  生成過濾器
      9.3.2  使用過濾器進行卷積
      9.3.3  最大池化
    9.4   使用TensorFlow實現卷積神經網路
      9.4.1  測量性能

      9.4.2  訓練分類器
    9.5  提高性能的竅門和技巧
    9.6  卷積神經網路的應用
    9.7  小結
  第10章  循環神經網路
    10.1  語境信息
    10.2  循環神經網路介紹
    10.3  循環神經網路的實現
    10.4  時間序列數據的預測模型
    10.5  循環神經網路的應用
    10.6  小結
  第11章  聊天機器人的序列到序列模型
    11.1  分類與循環神經網路
    11.2  序列到序列模型架構
    11.3  符號的向量表示
    11.4  把所有都放到一起
    11.5  收集對話數據
    11.6  小結
  第12章  效用場景
    12.1  偏好模型
    12.2  圖像嵌入
    12.3  圖像排序
    12.4  小結
    12.5  下一步
附錄  安裝

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032