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

機器學習實戰(模型構建與應用)

  • 作者：(美)勞倫斯·莫羅尼|責編:王春華|譯者:潘婉瓊//楊帆
  • 出版社：機械工業
  • ISBN：9787111705635
  • 出版日期：2022/06/01
  • 裝幀：平裝
  • 頁數：329
人民幣：RMB 129 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本面向程序員的基礎教程，涉及目前人工智慧領域的幾個熱門方向，包括電腦視覺、自然語言處理和序列數據建模。儘管內容豐富，但作者並沒有引入太多的理論知識，而是通過直觀的例子來解釋機器學習和人工智慧的基本概念，並立刻通過代碼來實現。本書遵循最新的TensorFlow 2.0編程規範，易於閱讀和理解，不需要你有大量的機器學習背景。
    作者不惜筆墨地充分展示了如何利用TensorFlow在不同的場景下部署模型，包括網頁端、移動端（iOS和Android）和雲端。書中提供的很多用於部署模型的代碼範例稍加修改就可以用於不同的場景。本書還涉及如何確保人工智慧的倫理、公平和隱私。書中提到的聯邦學習及保證公平性的軟體都是最新的和值得研究的。
作者介紹
(美)勞倫斯·莫羅尼|責編:王春華|譯者:潘婉瓊//楊帆
    勞倫斯·莫羅尼（Laurence Moroney），在谷歌領導AI Advocacy，教授軟體開發人員使用機器學習構建AI系統。他是TensorFlow YouTube頻道youtube.com/tensorflow的常客，是公認的全球主題演講者，著作數不勝數。
目錄
序言
前言
第一部分  構建模型
  第1章  TensorFlow簡介
    1.1  什麼是機器學習
    1.2  傳程的局限性
    1.3  從編程到學習
    1.4  什麼是TensorFlow
    1.5  使用TensorFlow
    1.6  初學機器學習
    1.7  總結
  第2章  電腦視覺簡介
    2.1  識別服裝
    2.2  視覺神經元
    2.3  設計神經網路
    2.4  訓練神經網路
    2.5  探索模型輸出
    2.6  訓練更長時間，發現過擬合
    2.7  停止訓練
    2.8  總結
  第3章  圖像特徵檢測
    3.1  卷積
    3.2  池化
    3.3  實現卷積神經網路
    3.4  探索卷積網路
    3.5  創建一個CNN來區分馬和人
    3.6  圖像增強
    3.7  遷移學習
    3.8  多類別分類
    3.9  dropout正則化
    3.10  總結
  第4章  TensorFlow Datasets
    4.1  TFDS入門
    4.2  在Keras模型中使用TFDS
    4.3  使用映函數進行增強
    4.4  使用自定義分割
    4.5  理解TFRecord
    4.6  TensorFlow中管理數據的ETL過程
    4.7  總結
  第5章  自然語言處理簡介
    5.1  將語言編碼為數字
    5.2  移除停用詞和清理文本
    5.3  使用真實數據源
    5.4  總結
  第6章  使用嵌入來編程情感
    6.1  從詞建立意義
    6.2  TensorFlow中的嵌入
    6.3  可視化嵌入
    6.4  使用來自TensorFlow Hub的預訓練嵌入
    6.5  總結

  第7章  自然語言處理的循環神經網路
    7.1  循環的基礎
    7.2  為語言擴展循環
    7.3  使用RNN創建文本分類器
    7.4  在RNN中使用預訓練的嵌入
    7.5  總結
  第8章  使用TensorFlow創建文本
    8.1  將序列轉換為輸入序列
    8.2  創建模型
    8.3  生成文本
    8.4  擴展數據集
    8.5  改變模型架構
    8.6  改進數據
    8.7  基於字元的編碼
    8.8  總結
  第9章  理解序列和時間序列數據
    9.1  時間序列的常見屬性
    9.2  預測時間序列的技術
    9.3  總結
  第10章  創建ML模型來預測序列
    10.1  創建窗口數據集
    10.2  創建並訓練DNN來擬合序列數據
    10.3  評估DNN的結果
    10.4  探索整體的預測
    10.5  調整學習率
    10.6  使用Keras Tuner探索參數調優
    10.7  總結
  第11章  序列模型中的卷積和循環
    11.1  序列數據的卷積
    11.2  使用NASA天氣數據
    11.3  使用RNN進行序列建模
    11.4  使用其他循環方法
    11.5  使用dropout
    11.6  使用雙向RNN
    11.7  總結
第二部分  使用模型
  第12章  TensorFlow Lite簡介
    12.1  什麼是TensorFlow Lite
    12.2  演練：創建模型並將其轉換為TensorFlow Lite
    12.3  演練：遷移學習圖像分類器並轉換到Tensor Flow Lite
    12.4  總結
  第13章  在Android應用程序中使用TensorFlow Lite
    13.1  什麼是Android Studio
    13.2  創建你的一個TensorFlow Lite Android應用程序
    13.3  越「Hello World」—處理圖像
    13.4  TensorFlow Lite示例應用程序
    13.5  總結
  第14章  在iOS應用程序中使用TensorFlow Lite
    14.1  使用Xcode創建你的一個TensorFlow Lite應用程序
    14.2  越「Hello World」—處理圖像

    14.3  TensorFlow Lite示例應用程序
    14.4  總結
  第15章  TensorFlow.js簡介
    15.1  什麼是TensorFlow.js
    15.2  安裝和使用Brackets IDE
    15.3  構建一個TensorFlow.js模型
    15.4  創建Iris分類器
    15.5  總結
  第16章  TensorFlow.js中的電腦視覺編程技術
    16.1  TensorFlow開發人員的JavaScript注意事項
    16.2  使用JavaScript構建CNN
    16.3  使用回調進行可視化
    16.4  使用MNIST數據集進行訓練
    16.5  在TensorFlow.js中對圖像運行推理
    16.6  總結
  第17章  重用和轉換Python模型為JavaScript
    17.1  將基於Python的模型轉換為JavaScript
    17.2  使用預轉換的JavaScript模型
    17.3  總結
  第18章  JavaScript中的遷移學習
    18.1  從MobileNet進行遷移學習
    18.2  來自TensorFlow Hub的遷移學習
    18.3  使用來自TensorFlow.org的模型
    18.4  總結
  第19章  使用TensorFlow Serving進行部署
    19.1  什麼是TensorFlow Serving
    19.2  安裝TensorFlow Serving
    19.3  構建和服務模型
    19.4  總結
  第20章  AI的倫理、公平和隱私
    20.1  編程中的公平
    20.2  機器學習中的公平
    20.3  實現公平的工具
    20.4  聯邦學習
    20.5  谷歌的AI原則
    20.6  總結

  • 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