簡介： TensorFlow 是目前使用最廣泛的機器學習框架，滿足了廣大用戶的需求。如今 TensorFlow已經更新到 2.x 版本，具有更強的易用性。本書通過大量的實例講解在 TensorFlow 框架上實現人工智能的技術，兼容 TensorFlow 1.x與 TensorFlow 2.x 版本，覆蓋多種開發場景。書中的內容主要源于作者在代碼醫生工作室的工作積累。作者將自己在真實項目中使用TensorFlow 的經驗與技巧全部寫進書里，讓讀者可以接觸到最真實的案例、最實戰的場景，盡快搭上人工智能的“列車”。
目錄：
- 第一章：學習準備
- 第二章：搭建開發環境
- 第三章：實例：用AI模型識別圖像是桌子、貓、狗，還是其他
- 第四章：用Tensorflow制作自己的數據集
- 第五章：10 分鐘快速訓練自己的圖片分類模型
- 第六章：用 TensorFlow 編寫訓練模型的程序
- 第七章：特征工程——會說話的數據
- 第八章：卷積神經網絡（CNN）——在圖像處理中應用最廣泛的模型
- 第九章：循環神經網絡（RNN）——處理序列樣本的神經網絡
- 第十章：生成式模型——能夠輸出內容的模型
- 第十一章：模型的攻與防——看似智能的 AI 也有脆弱的一面
- 第十二章：TensorFlow 模型制作——一種功能，多種身份
- 第十三章：部署 TensorFlow 模型——模型與項目的深度結合
- 第十四章：商業實例
代碼醫生工作室，是一家只做AI技術相關業務的公司。主要從事企業咨詢、培訓及算法外包服務。另外還有部分圖書出版和個人培訓等相關業務。工作室的使命有三點： ? 為企業賦能。幫助企業擁有AI的能力。提升商業價值。 ? 為AI技術的推廣與發展做共貢獻 ? 幫助更多的人掌握AI技術。
付費5元查看完整內容
相關內容
掌握通過機器學習和深度學習識別和解決復雜問題的基本技能。使用真實世界的例子，利用流行的Python機器學習生態系統，這本書是你學習機器學習的藝術和科學成為一個成功的實踐者的完美伴侶。本書中使用的概念、技術、工具、框架和方法將教會您如何成功地思考、設計、構建和執行機器學習系統和項目。
使用Python進行的實際機器學習遵循結構化和全面的三層方法，其中包含了實踐示例和代碼。
第1部分側重于理解機器學習的概念和工具。這包括機器學習基礎，對算法、技術、概念和應用程序的廣泛概述，然后介紹整個Python機器學習生態系統。還包括有用的機器學習工具、庫和框架的簡要指南。
第2部分詳細介紹了標準的機器學習流程，重點介紹了數據處理分析、特征工程和建模。您將學習如何處理、總結和可視化各種形式的數據。特性工程和選擇方法將詳細介紹真實數據集，然后是模型構建、調優、解釋和部署。
第3部分探討了多個真實世界的案例研究，涵蓋了零售、交通、電影、音樂、營銷、計算機視覺和金融等不同領域和行業。對于每個案例研究，您將學習各種機器學習技術和方法的應用。動手的例子將幫助您熟悉最先進的機器學習工具和技術，并了解什么算法最適合任何問題。
實用的機器學習與Python將授權您開始解決您自己的問題與機器學習今天!
你將學習：
- 執行端到端機器學習項目和系統
- 使用行業標準、開放源碼、健壯的機器學習工具和框架實現實踐示例
- 回顧描述機器學習和深度學習在不同領域和行業中的應用的案例研究
- 廣泛應用機器學習模型，包括回歸、分類和聚類。
- 理解和應用深度學習的最新模式和方法，包括CNNs、RNNs、LSTMs和transfer learning。
這本書是給誰看的 IT專業人士、分析師、開發人員、數據科學家、工程師、研究生
目錄：
Part I: Understanding Machine Learning
- Chapter 1: Machine Learning Basics
- Chapter 2: The Python Machine Learning Ecosystem Part II: The Machine Learning Pipeline
- Chapter 3: Processing, Wrangling and Visualizing Data
- Chapter 4: Feature Engineering and Selection
- Chapter 5: Building, Tuning and Deploying Models Part III: Real-World Case Studies
- Chapter 6: Analyzing Bike Sharing Trends
- Chapter 7: Analyzing Movie Reviews Sentiment
- Chapter 8: Customer Segmentation and Effective Cross Selling
- Chapter 9: Analyzing Wine Types and Quality
- Chapter 10: Analyzing Music Trends and Recommendations
- Chapter 11: Forecasting Stock and Commodity Prices
Chapter 12: Deep Learning for Computer Vision
付費5元查看完整內容
簡介： Google一直是引入突破性技術和產品的先驅。在效率和規模方面，TensorFlow也不例外，因此，編寫本書只是向讀者介紹TensorFlow核心團隊所做的這些重要更改。本書著重于機器學習方面的TensorFlow的不同應用，并更深入地探討了方法的最新變化。對于那些想要用TensorFlow進行機器學習的人來說，這本書是一個很好的參考點。本書分為三個部分。第一篇：使用TensorFlow 2.0進行數據處理。第二部分：使用TensorFlow 2.0構建機器學習和深度學習模型。它還包括使用TensorFlow 2.0的神經語言編程（NLP）。第三部分介紹了如何在環境中保存和部署TensorFlow 2.0模型。這本書對數據分析人員和數據工程師也很有用，因為它涵蓋了使用TensorFlow 2.0處理大數據的步驟。想要過渡到數據科學和機器學習領域的讀者也會發現，本書提供了實用的入門指南，以后可能會出現更復雜的方面。書中提供的案例研究和示例使您很容易理解和理解相關的基本概念。本書的優勢在于其簡單性以及將機器學習應用于有意義的數據集。
目錄：
- Chapter 1：tenforflow 2.0介紹
- tensor
- TensorFlow 1.0與 Tensorflow 2.0的對比
- Tensorflow 2.0安裝于基礎操作
- Chapter 2：tenforflow 與監督學習
- 監督機器學習是什么
- TF2.0實現線性回歸
- 使用TF和Keras的線性回歸應用
- TF2.0實現邏輯回歸
- TF2.0實現boosted樹
- Chapter 3：tenforflow與深度神經網絡
- 什么是神經網絡
- 前向傳播與反向傳播
- TF2.0構建神經網絡
- 深度神經網絡
- TF2.0構建深度神經網絡
- 使用Keras模型估量
- 總結
- Chapter 4：圖片與Tensorflow
- 圖片處理
- 卷積神經網絡
- TF2.0與卷積神經網絡
- 遷移學習
- TF2.0與變分自編碼器
- 總結
- Chapter 5：TF2.0與自然語言處理（NLP）
- NLP概述
- 文本處理
- 文本分類與TF
- TF projector
- Chapter 6：TF模型
- TF部署
- 模型部署的Python
- 基于TF的Keras模型
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191