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

基於Google雲平台的機器學習和深度學習入門/機器學習系列

  • 作者：(日)吉川隼人|責編:閭洪慶|譯者:薛建彬//張振華
  • 出版社：機械工業
  • ISBN：9787111660033
  • 出版日期：2020/10/01
  • 裝幀：平裝
  • 頁數：220
人民幣：RMB 79 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書主要介紹了Google雲平台中有關機器學習的多種工具，以及如何使用它們來進行機器學習。這些工具對使用者在機器學習理論方面的要求很低，讀者可以在僅了解一點有關機器學習基礎知識的前提下使用它們。
    本書在使用每種機器學習的工具或技術之前，都會對相應的理論進行較為翔實的介紹。但也同時考慮了機器學習理論的複雜性，在對理論知識的介紹中避免了複雜的數學公式，取而代之的是生動淺顯的例子。其中很多示例是使用Python代碼在Google雲平台上實現的。
    本書適合剛開始接觸機器學習的讀者閱讀。
作者介紹
(日)吉川隼人|責編:閭洪慶|譯者:薛建彬//張振華
目錄
譯者序
原書前言
人工智慧、機器學習和深度學習
第1部分  GCP與機器學習
  第1章  嘗試使用GCP
    1.1  GCP概述
    1.2  創建賬戶和項目
    1.3  Cloud Shell
    1.4  Google Compute Engine
    1.5  Google Cloud Storage
    1.6  BigQuery
  第2章  使用Datalab
    2.1  Datalab快速瀏覽
    2.2  NumPy和pandas
    2.3  鏈接Datalab和BigQuery
    2.4  用Datalab繪製各種圖形
  第3章  使用GCP輕鬆進行機器學習
    3.1  GCP的機器學習相關服務
    3.2  Cloud Vision API
    3.3  Cloud Translation API
    3.4  Cloud Natural Language API
第2部分  識別的基礎
  第4章  二類識別
    4.1  簡單識別
    4.2  機器學習的引入
    4.3  感知器
    4.4  損失函數
    4.5  邏輯回歸
  第5章  多類分類器和各種分類器
    5.1  scikit-learn快速導覽
    5.2  多類邏輯回歸
    5.3  支持向量機
    5.4  隨機森林
  第6章  數據評估方法和調整
    6.1  基本的學習流程
    6.2  學習和測試
    6.3  數據評估
    6.4  參數調整
第3部分  深度學習入門
  第7章  深度學習基礎知識
    7.1  圖像識別
    7.2  神經網路
    7.3  激活函數
    7.4  多類支持
    7.5  各種梯度下降法
    7.6  TensorFlow的準備
    7.7  神經網路的實現
    7.8  使用DNNClassifier簡化學習
    7.9  TensorBoard
  第8章  CNN

    8.1  前面圖像識別中的問題
    8.2  卷積層
    8.3  卷積層運算的種類和池化層
    8.4  使用TensorFlow實施兩層CNN
附錄
  附錄A  Python2的基本使用方法
  附錄B  Jupyter的設置

  • 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