中图网

>

计算机理论

机器学习实战(模型构建与应用)

作者：(美)劳伦斯·莫罗尼

出版社：机械工业出版社出版时间：2022-06-01

开本： 16开 页数： 329

本类榜单：计算机/网络销量榜

中图价:¥91.6(7.1折) 定价 ~~¥129.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
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)

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)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥91.6 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

机器学习实战(模型构建与应用) 版权信息

ISBN：9787111705635
条形码：9787111705635 ; 978-7-111-70563-5
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机理论

机器学习实战(模型构建与应用) 本书特色

深入研究深度学习、计算机视觉和自然语言处理的实用起点；涉及人工智能的伦理、联邦学习等新颖课题。

机器学习实战(模型构建与应用) 内容简介

本书是一本面向程序员的基础教程，涉及目前人工智能领域的几个热门方向，包括计算机视觉、自然语言处理和序列数据建模。尽管内容丰富，但作者并没有引入太多的理论知识，而是通过直观的例子来解释机器学习和人工智能的基本概念，并立刻通过代码来实现。本书遵循近期新的TensorFlow 2.0编程规范，易于阅读和理解，不需要你有大量的机器学习背景。作者不惜笔墨地充分展示了如何利用TensorFlow在不同的场景下部署模型，包括网页端、移动端（iOS和Android）和云端。书中提供的很多用于部署模型的代码范例稍加修改就可以用于不同的场景。本书还涉及如何确保人工智能的伦理、公平和隐私。书中提到的联邦学习及保证公平性的软件都是近期新的和值得研究的。

机器学习实战(模型构建与应用) 目录

序言1
前言3
**部分构建模型
第1章 TensorFlow简介11
1.1 什么是机器学习11
1.2 传统编程的局限性13
1.3 从编程到学习15
1.4 什么是TensorFlow16
1.5 使用TensorFlow18
1.6 初学机器学习22
1.7 总结27
第2章计算机视觉简介28
2.1 识别服装28
2.2 视觉神经元30
2.3 设计神经网络32
2.4 训练神经网络35
2.5 探索模型输出36
2.6 训练更长时间，发现过拟合36
2.7 停止训练37
2.8 总结38
第3章图像特征检测39
3.1 卷积39
3.2 池化41
3.3 实现卷积神经网络43
3.4 探索卷积网络45
3.5 创建一个CNN来区分马和人47
3.6 图像增强56
3.7 迁移学习59
3.8 多类别分类63
3.9 dropout正则化66
3.10 总结69
第4章 TensorFlow Datasets70
4.1 TFDS入门71
4.2 在Keras模型中使用TFDS73
4.3 使用映射函数进行增强76
4.4 使用自定义分割77
4.5 理解TFRecord78
4.6 TensorFlow中管理数据的ETL过程81
4.7 总结86
第5章自然语言处理简介87
5.1 将语言编码为数字87
5.2 移除停用词和清理文本93
5.3 使用真实数据源94
5.4 总结103
第6章使用嵌入来编程情感104
6.1 从词建立意义104
6.2 TensorFlow中的嵌入106
6.3 可视化嵌入121
6.4 使用来自TensorFlow Hub的预训练嵌入123
6.5 总结125
第7章自然语言处理的循环神经网络126
7.1 循环的基础126
7.2 为语言扩展循环128
7.3 使用RNN创建文本分类器130
7.4 在RNN中使用预训练的嵌入137
7.5 总结143
第8章使用TensorFlow创建文本144
8.1 将序列转换为输入序列145
8.2 创建模型149
8.3 生成文本150
8.4 扩展数据集152
8.5 改变模型架构153
8.6 改进数据154
8.7 基于字符的编码157
8.8 总结158
第9章理解序列和时间序列数据159
9.1 时间序列的常见属性160
9.2 预测时间序列的技术162
9.3 总结167
第10章创建ML模型来预测序列168
10.1 创建窗口数据集169
10.2 创建并训练DNN来拟合序列数据173
10.3 评估DNN的结果174
10.4 探索整体的预测175
10.5 调整学习率177
10.6 使用Keras Tuner探索超参数调优178
10.7 总结182
第11章序列模型中的卷积和循环183
11.1 序列数据的卷积183
11.2 使用NASA天气数据189
11.3 使用RNN进行序列建模191
11.4 使用其他循环方法196
11.5 使用dropout197
11.6 使用双向RNN199
11.7 总结201
第二部分使用模型
第12章 TensorFlow Lite简介205
12.1 什么是TensorFlow Lite205
12.2 演练：创建模型并将其转换为TensorFlow Lite207
12.3 演练：迁移学习图像分类器并转换到Tensor Flow Lite211
12.4 总结216
第13章在Android应用程序中使用TensorFlow Lite217
13.1 什么是Android Studio217
13.2 创建你的**个TensorFlow Lite Android应用程序218
13.3 超越“Hello World”—处理图像226
13.4 TensorFlow Lite示例应用程序229
13.5 总结230
第14章在iOS应用程序中使用TensorFlow Lite231
14.1 使用Xcode创建你的**个TensorFlow Lite应用程序231
14.2 超越“Hello World”—处理图像243
14.3 TensorFlow Lite示例应用程序246
14.4 总结247
第15章 TensorFlow.js简介248
15.1 什么是TensorFlow.js248
15.2 安装和使用Brackets IDE249
15.3 构建**个TensorFlow.js模型251
15.4 创建Iris分类器254
15.5 总结258
第16章 TensorFlow.js中的计算机视觉编程技术259
16.1 TensorFlow开发人员的JavaScript注意事项260
16.2 使用JavaScript构建CNN261
16.3 使用回调进行可视化263
16.4 使用MNIST数据集进行训练264
16.5 在TensorFlow.js中对图像运行推理270
16.6 总结270
第17章重用和转换Python模型为JavaScript272
17.1 将基于Python的模型转换为JavaScript272
17.2 使用预转换的JavaScript模型276
17.3 总结284
第18章 JavaScript中的迁移学习285
18.1 从MobileNet进行迁移学习285
18.2 来自TensorFlow Hub的迁移学习297
18.3 使用来自TensorFlow.org的模型301
18.4 总结303
第19章使用TensorFlow Serving进行部署304
19.1 什么是TensorFlow Serving304
19.2 安装TensorFlow Serving306
19.3 构建和服务模型308
19.4 总结314
第20章 AI的伦理、公平和隐私315
20.1 编程中的公平316
20.2 机器学习中的公平318
20.3 实现公平的工具320
20.4 联邦学习323
20.5 谷歌的AI原则328
20.6 总结329

展开全部