扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
TensorFlow机器学习 版权信息
- ISBN：9787111636120
- 条形码：9787111636120 ; 978-7-111-63612-0
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>>
TensorFlow机器学习 本书特色
TensorFlow机器学习由浅入深地对TensorFlow进行了介绍，并对TensorFlow的本质、核心学习算法（线性回归、分类、聚类、隐马尔可夫模型）和神经网络的类型（自编码器、强化学习、卷积神经网络和循环神经网络）都进行了详细介绍，同时配以代码实现。
TensorFlow机器学习可作为人工智能、机器学习、深度学习相关行业的从业者和爱好者的重要参考书。
TensorFlow机器学习 内容简介
编辑推荐
关于TensorFlow机器学习的快速入门的极好指南。
由浅入深讲解经典核心算法、神经网络、强化学习。
为你提供了机器学习概念的坚实基础，以及使用Python编写TensorFlow的实战经验。
你将通过经典的预测、分类和聚类算法等快速学习掌握基础知识。然后，继续学习具有深度价值的内容：探索深度学习的概念，例如自动编码器、递归神经网络和强化学习等。学习TensorFlow机器学习，你将会准备好将TensorFlow用于自己的机器学习和深度学习应用程序中。
TensorFlow机器学习 目录
原书序
原书前言
**部分 机器学习套装
第1章 机器学习旅程 2
1.1 机器学习基础 3
1.1.1 参数 5
1.1.2 学习和推理 6
1.2 数据表示和特征 7
1.3 距离度量 11
1.4 学习类型 12
1.4.1 监督学习 12
1.4.2 无监督学习 14
1.4.3 强化学习 14
1.5 TensorFlow 15
1.6 余下的章节 17
1.7 小结 18 第2章 TensorFlow基础 19
2.1 保证TensorFlow运行 21
2.2 张量表示 21
2.3 创建运算 25
2.4 使用session执行运算 27
2.4.1 将代码理解为图 28
2.4.2 设置session的配置项 28
2.5 使用Jupyter写代码 30
2.6 使用变量 32
2.7 保存和加载变量 34
2.8 使用TensorBoard可视化数据 35
2.8.1 实现一个移动平均算法 36
2.8.2 可视化移动平均算法 37
2.9 小结 39 第二部分 核心学习算法
第3章 线性回归及其他 42
3.1 形式化定义 43
3.1.1 如何知道回归算法在起作用 45
3.2 线性回归 46
3.3 多项式模型 50
3.4 正则化 52
3.5 线性回归的应用 55
3.6 小结 56 第4章 简明的分类介绍 58
4.1 形式化定义 59
4.2 衡量分类性能 61
4.2.1 精度 61
4.2.2 准确率和召回率 62
4.2.3 受试者工作特征曲线 63
4.3 用线性回归实现分类 64
4.4 逻辑斯谛回归 68
4.4.1 求解一维逻辑斯谛回归 69
4.4.2 求解二维逻辑斯谛回归 71
4.5 多类别分类器 74
4.5.1 一对多 75
4.5.2 一对一 75
4.5.3 softmax回归 75
4.6 分类的应用 79
4.7 小结 79 第5章 自动聚类数据 81
5.1 在TensorFlow中遍历文件 82
5.2 从音频文件中抽取特征 84
5.3 k-均值聚类 87
5.4 音频分割 90
5.5 用自组织映射实现聚类 93
5.6 聚类的应用 97
5.7 小结 97 第6章 隐马尔可夫模型 98
6.1 一个不那么可解释模型的例子 99
6.2 马尔可夫模型 100
6.3 隐马尔可夫模型 102
6.4 前向算法 103
6.5 Viterbi解码 106
6.6 隐马尔可夫模型的使用 107
6.6.1 视频建模 107
6.6.2 DNA建模 107
6.6.3 图像建模 107
6.7 隐马尔可夫模型的应用 108
6.8 小结 108 第三部分 神经网络样式
第7章 自编码器 110
7.1 神经网络 111
7.2 自编码器 114
7.3 批量训练 118
7.4 图像处理 119
7.5 自编码器的应用 122
7.6 小结 123 第8章 强化学习 124
8.1 形式化定义 125
8.1.1 策略 126
8.1.2 效用函数 127
8.2 强化学习的应用 128
8.3 强化学习的实现 129
8.4 探索强化学习的其他应用 136
8.5 小结 137 第9章 卷积神经网络 138
9.1 神经网络的缺点 139
9.2 卷积神经网络 140
9.3 准备图像 141
9.3.1 生成过滤器 144
9.3.2 使用过滤器进行卷积 145
9.3.3 *大池化 148
9.4 使用TensorFlow实现卷积神经网络 149
9.4.1 测量性能 151
9.4.2 训练分类器 152
9.5 提高性能的窍门和技巧 153
9.6 卷积神经网络的应用 154
9.7 小结 154 第10章 循环神经网络 155
10.1 语境信息 156
10.2 循环神经网络介绍 156
10.3 循环神经网络的实现 157
10.4 时间序列数据的预测模型 160
10.5 循环神经网络的应用 163
10.6 小结 163 第11章 聊天机器人的序列到序列模型 164
11.1 分类与循环神经网络 165
11.2 序列到序列模型架构 167
11.3 符号的向量表示 171
11.4 把所有都放到一起 173
11.5 收集对话数据 179
11.6 小结 181 第12章 效用场景 182
12.1 偏好模型 184
12.2 图像嵌入 189
12.3 图像排序 192
12.4 小结 196
12.5 下一步 196 附录 安装 197
原书前言
**部分 机器学习套装
第1章 机器学习旅程 2
1.1 机器学习基础 3
1.1.1 参数 5
1.1.2 学习和推理 6
1.2 数据表示和特征 7
1.3 距离度量 11
1.4 学习类型 12
1.4.1 监督学习 12
1.4.2 无监督学习 14
1.4.3 强化学习 14
1.5 TensorFlow 15
1.6 余下的章节 17
1.7 小结 18 第2章 TensorFlow基础 19
2.1 保证TensorFlow运行 21
2.2 张量表示 21
2.3 创建运算 25
2.4 使用session执行运算 27
2.4.1 将代码理解为图 28
2.4.2 设置session的配置项 28
2.5 使用Jupyter写代码 30
2.6 使用变量 32
2.7 保存和加载变量 34
2.8 使用TensorBoard可视化数据 35
2.8.1 实现一个移动平均算法 36
2.8.2 可视化移动平均算法 37
2.9 小结 39 第二部分 核心学习算法
第3章 线性回归及其他 42
3.1 形式化定义 43
3.1.1 如何知道回归算法在起作用 45
3.2 线性回归 46
3.3 多项式模型 50
3.4 正则化 52
3.5 线性回归的应用 55
3.6 小结 56 第4章 简明的分类介绍 58
4.1 形式化定义 59
4.2 衡量分类性能 61
4.2.1 精度 61
4.2.2 准确率和召回率 62
4.2.3 受试者工作特征曲线 63
4.3 用线性回归实现分类 64
4.4 逻辑斯谛回归 68
4.4.1 求解一维逻辑斯谛回归 69
4.4.2 求解二维逻辑斯谛回归 71
4.5 多类别分类器 74
4.5.1 一对多 75
4.5.2 一对一 75
4.5.3 softmax回归 75
4.6 分类的应用 79
4.7 小结 79 第5章 自动聚类数据 81
5.1 在TensorFlow中遍历文件 82
5.2 从音频文件中抽取特征 84
5.3 k-均值聚类 87
5.4 音频分割 90
5.5 用自组织映射实现聚类 93
5.6 聚类的应用 97
5.7 小结 97 第6章 隐马尔可夫模型 98
6.1 一个不那么可解释模型的例子 99
6.2 马尔可夫模型 100
6.3 隐马尔可夫模型 102
6.4 前向算法 103
6.5 Viterbi解码 106
6.6 隐马尔可夫模型的使用 107
6.6.1 视频建模 107
6.6.2 DNA建模 107
6.6.3 图像建模 107
6.7 隐马尔可夫模型的应用 108
6.8 小结 108 第三部分 神经网络样式
第7章 自编码器 110
7.1 神经网络 111
7.2 自编码器 114
7.3 批量训练 118
7.4 图像处理 119
7.5 自编码器的应用 122
7.6 小结 123 第8章 强化学习 124
8.1 形式化定义 125
8.1.1 策略 126
8.1.2 效用函数 127
8.2 强化学习的应用 128
8.3 强化学习的实现 129
8.4 探索强化学习的其他应用 136
8.5 小结 137 第9章 卷积神经网络 138
9.1 神经网络的缺点 139
9.2 卷积神经网络 140
9.3 准备图像 141
9.3.1 生成过滤器 144
9.3.2 使用过滤器进行卷积 145
9.3.3 *大池化 148
9.4 使用TensorFlow实现卷积神经网络 149
9.4.1 测量性能 151
9.4.2 训练分类器 152
9.5 提高性能的窍门和技巧 153
9.6 卷积神经网络的应用 154
9.7 小结 154 第10章 循环神经网络 155
10.1 语境信息 156
10.2 循环神经网络介绍 156
10.3 循环神经网络的实现 157
10.4 时间序列数据的预测模型 160
10.5 循环神经网络的应用 163
10.6 小结 163 第11章 聊天机器人的序列到序列模型 164
11.1 分类与循环神经网络 165
11.2 序列到序列模型架构 167
11.3 符号的向量表示 171
11.4 把所有都放到一起 173
11.5 收集对话数据 179
11.6 小结 181 第12章 效用场景 182
12.1 偏好模型 184
12.2 图像嵌入 189
12.3 图像排序 192
12.4 小结 196
12.5 下一步 196 附录 安装 197
展开全部
TensorFlow机器学习 作者简介
关于作者
Nishant Shukla
加州大学洛杉矶分校的博士研究员，专注于机器学习和计算机视觉技术。Nishant还具有弗吉尼亚大学计算机科学和数学学士学位。在那里，他是Hack.UVA的创始成员，并且讲授关于Haskell的广受欢迎的课程。Nishant曾担任Microsoft、Facebook和Foursquare的开发人员，以及SpaceX的机器学习工程师，他还著有Haskell Data Analysis Cookbook一书。此外，他还发表了从分析化学到自然语言处理的研究论文。
书友推荐
- >
巴金－再思录
巴金－再思录
¥14.7¥46.0 - >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥7.7¥24.0 - >
月亮与六便士
月亮与六便士
¥18.1¥42.0 - >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥17.4¥58.0 - >
伊索寓言-世界文学名著典藏-全译本
伊索寓言-世界文学名著典藏-全译本
¥9.3¥19.0 - >
经典常谈
经典常谈
¥16.3¥39.8 - >
名家带你读鲁迅:朝花夕拾
名家带你读鲁迅:朝花夕拾
¥10.5¥21.0 - >
小考拉的故事-套装共3册
小考拉的故事-套装共3册
¥36.7¥68.0
本类畅销
-
网络工程师教程(第2版)
¥69.3¥99 -
Python 数据分析基础
¥41¥69 -
Python 3.5从零开始学
¥26.4¥59 -
虚拟化与容器技术
¥49.9¥69.8 -
UG NX 11.0工程图教程-(含1DVD)
¥30.4¥59.9 -
程序设计语言编译原理(第3版)
¥25.4¥39
