好書推薦|機器學習實戰:基於Scikit-Learn和TensorFlow(附PDF下載)

2021-03-02 智慧坊

             

              

—文末附本書電子版下載地址—

 

本書簡介

 

隨著AlphaGo在人機大戰中一舉成名，關於機器學習的研究開始廣受關注，數據科學家也一躍成為「21世紀最性感的職業」。關於機器學習和神經網絡的廣泛應用雖然興起不久，但是對這兩個密切關聯的領域的研究其實已經持續了好幾十年，早已形成了系統化的知識體系。對於想要踏入機器學習領域的初學者而言，理論知識的獲取並非難事。

本書作者Aurélien Géron曾經是谷歌工程師，在2013年至2016年，主導了YouTube的視頻分類工程，擁有豐富的機器學習項目經驗。作者的寫作初衷是希望從實踐出發，手把手地幫助開發者從零開始搭建起一個神經網絡。這也正構成了本書區別於其他機器學習教程的最重要的特質—不再偏向於原理研究的角度，而是從開發者的實踐角度出發，在動手寫代碼的過程中，循序漸進地了解機器學習的理論知識和工具的實踐技巧。對於想要快速上手機器學習的開發者來說，本書不啻為一個非常值得嘗試的起點項目。

本書主要分為兩個部分。第一部分為第1～8章，涵蓋機器學習的基礎理論知識和基本算法—從線性回歸到隨機森林等，幫助讀者掌握Scikit-Learn的常用方法；第二部分為第9～16章，探討深度學習和常用框架TensorFlow，一步一個腳印地帶領讀者使用TensorFlow搭建和訓練深度神經網絡，以及卷積神經網絡。

 

本書目錄

 

前言

第一部分機器學習基礎

第1章機器學習概覽

第2章端到端的機器學習項目

第3章分類

第4章訓練模型

第5章支持向量機

第6章決策樹

第7章集成學習和隨機森林

第8章降維

第二部分神經網絡和深度學習

第9章運行TensorFlow

第10章人工神經網絡簡介

第11章訓練深度神經網絡

第12章跨設備和伺服器的分布式TensorFlow

第13章卷積神經網絡

第14章循環神經網絡

第15章自動編碼器

第16章強化學習

附錄A 練習答案

附錄B 機器學習項目清單

附錄C SVM對偶問題

附錄D 自動微分

附錄E 其他流行的ANN架構

 

獲取本書PDF電子版，請關注微信公眾平臺「智慧坊」（微信號：intelliworkshop），後臺回復「jqxxsz」。

註：本資料來源網際網路，版權歸該資源的合法擁有者所有。

 

—完—

關注微信公眾平臺「智慧坊」（微信號：intelliworkshop），獲取更多原創文章及優質內容。

相關焦點

  • 推薦:《機器學習實戰:基於Scikit-Learn和TensorFlow》中文翻譯和代碼下載
    本文提供機器學習入門的好書《機器學習實戰：基於Scikit-Learn和TensorFlow》的中文翻譯文件和原始碼下載。一、前言推薦一本機器學習入門的好書：《機器學習實戰：基於Scikit-Learn和TensorFlow》。
  • 開源下載 | 基於Scikit-learn、Keras和TensorFlow的機器學習實戰
    今天要給大家分享的是機器學習領域的一本經典之作：《基於Scikit-learn、Keras
  • 《機器學習實戰:基於Scikit-Learn和TensorFlow》中文版
    機器學習的核心是「使用算法解析數據，從中學習，然後對世界上的某件事情做出決定或預測」。這意味著，與其顯式地編寫程序來執行某些任務，不如教計算機如何開發一個算法來完成任務。有三種主要類型的機器學習：監督學習、非監督學習和強化學習，所有這些都有其特定的優點和缺點。
  • Hands-on Machine Learning with Scikit-Learn and TensorFlow 學習筆記
    今天收到 Github 用戶 Baymax（https://github.com/DeqianBai） 的投稿，他目前在哈工程讀研，研究方向是強化學習，利用業餘時間學習了《Hands-on Machine Learning with Scikit-Learn and TensorFlow》這本書並做了Jupyter notebook 筆記，這本書的中文版上市不久，譯名為《機器學習實戰
  • 拓撲機器學習的神聖三件套:Gudhi,Scikit-Learn和Tensorflow(附...
    今天，我想強調下在機器學習中拓撲數據分析（TDA，Topological Data Analysis）的力量，並展示如何配合三個Python庫：Gudhi，Scikit-Learn和Tensorflow進行實踐。拓撲數據分析？首先，讓我們談談TDA。
  • 【下載】豆瓣評分8.1,《機器學習實戰:基於Scikit-Learn和TensorFlow》
    AI算法工程   公眾號：datayx《機器學習實戰：基於Scikit-Learn和TensorFlow》本書主要分為兩個部分。第一部分為第1章到第8章，涵蓋機器學習的基礎理論知識和基本算法——從線性回歸到隨機森林等，幫助讀者掌握Scikit-Learn的常用方法；第二部分為第9章到第16章，探討深度學習和常用框架TensorFlow，一步一個腳印地帶領讀者使用TensorFlow搭建和訓練深度神經網絡，以及卷積神經網絡。
  • 乾貨 | 請收下這份機器學習清單(附下載連結)
    在今年秋季開始準備博士項目的時候，我已經精選了一些有關機器學習和NLP的優質網絡資源。一般我會找一個有意思的教程或者視頻，再由此找到三四個，甚至更多的教程或者視頻。猛回頭，發現標收藏夾又多了20個資源待我學習（推薦提升效率工具Tab Bundler）。
  • 獨家 | 拓撲機器學習的神聖三件套:Gudhi,Scikit-Learn和Tensorflow(附連結&代碼)
    Python庫：Gudhi，Scikit-Learn和Tensorflow進行實踐。今天，我想強調下在機器學習中拓撲數據分析（TDA，Topological Data Analysis）的力量，並展示如何配合三個Python庫：Gudhi，Scikit-Learn和Tensorflow進行實踐。首先，讓我們談談TDA。它是數據科學中相對小眾的一個領域，尤其是當與機器學習和深度學習對比的時候。但是它正迅速成長，並引起了數據科學家的注意。
  • 基於TensorFlow的深度學習實戰
    毫不誇張得說，TensorFlow的流行讓深度學習門檻變得越來越低，只要你有Python和機器學習基礎，入門和使用神經網絡模型變得非常簡單。TensorFlow簡介如前所述，TensorFlow是一個深度學習庫，使用這一框架，可以用來構建和測試深度神經網絡。深度學習讓我們能夠以極高的準確性構建複雜的應用程式。
  • 資料| 連廣場大媽都聽得懂的「機器學習入門」scikit-learn -17頁...
    from=leiphonecolumn_res0604pmScikit-learn 是基於 Python 的開源機器學習庫，它基於 NumPy 和 SciPy 等科學計算庫，並支持支持向量機、隨即森林、梯度提升樹、K 均值聚類等學習算法。Scikit-learn 目前主要由社區成員自發進行維護，且專注於構建機器學習領域內經廣泛驗證的成熟算法。
  • 資料|《機器學習實戰:基於 Scikit-Learn、Keras 和 TensorFlow(第...
    資料 |《機器學習實戰：基於 Scikit-Learn、Keras 和 TensorFlow（第二版）》
  • Python機器學習庫(Scikit-Learn, TensorFlow, optional: Pytorch)學習小組
    反過來沒有足夠的實戰調試經驗也就不能對所學的基本概念有更深刻的理解。為滿足廣大學子的要求，特開設Python機器學習庫(Scikit-Learn, Pytorch) 學習小組。適用於有一定統計和機器學習背景，但實戰經驗少的學員。旨在短期（8-9周）內掌握如何應用，選擇合適的機器學習庫實現和測試所需要的算法課程將提供電子書籍和相關code。課程主要以個人學習和主講加討論的形式進行，也歡迎大家旁聽。
  • 2018AI學習清單丨150個最好的機器學習和Python教程
    /1103.0398.pdf  2、深度學習和 NLP基於深度學習的NLP應用(arxiv.org)https://arxiv.org/pdf/1703.03091.pdf 基於深度學習的NLP(Richard Socher)https://nlp.stanford.edu/courses
  • 370頁《TensorFlow 機器學習方案手冊》(附 pdf 和完整代碼)
    點擊上方「AI有道」，選擇「置頂」公眾號重磅乾貨，第一時間送達今天給大家推薦一本適合新手入門機器學習和您將學習有關構建模型、模型評估、情緒分析、回歸分析、聚類分析、人工神經網絡和深度學習等內容，每塊內容都使用 Google 的機器學習庫 TensorFlow。這份指南從 TensorFlow 庫的基本原理開始，該庫包括變量、矩陣和各種數據源。接下來，你將獲得使用 TensorFlow 的線性回歸技術的實踐經驗。下一章將介紹重要的高級概念，如神經網絡、CNN、RNN 和 NLP。
  • 乾貨| 請收下這份2018學習清單:150個最好的機器學習,NLP和Python...
    在今年秋季開始準備博士項目的時候，我已經精選了一些有關機器學習和NLP的優質網絡資源。一般我會找一個有意思的教程或者視頻，再由此找到三四個，甚至更多的教程或者視頻。猛回頭，發現標收藏夾又多了20個資源待我學習（推薦提升效率工具Tab Bundler）。
  • 請收下這份2018學習清單:150個最好的機器學習,NLP和Python教程
    在秋季開始準備博士項目的時候，我已經精選了一些有關機器學習和NLP的優質網絡資源。一般我會找一個有意思的教程或者視頻，再由此找到三四個，甚至更多的教程或者視頻。猛回頭，發現標收藏夾又多了20個資源待我學習（推薦提升效率工具Tab Bundler）。
  • 乾貨 | 請收下這份2018學習清單:150個最好的機器學習,NLP和Python教程
    在今年秋季開始準備博士項目的時候，我已經精選了一些有關機器學習和NLP的優質網絡資源。一般我會找一個有意思的教程或者視頻，再由此找到三四個，甚至更多的教程或者視頻。猛回頭，發現標收藏夾又多了20個資源待我學習（推薦提升效率工具Tab Bundler）。
  • 《基於Scikit-Learn、Keras和TensorFlow的機器學習實戰》:人工神經網絡介紹
    它們具有通用性、強大性和可擴展性，使得它們能夠很好地解決大型和高度複雜的機器學習任務，例如分類數十億圖像（例如，谷歌圖像），強大的語音識別服務（例如，蘋果的 Siri），每天將最好的視頻推薦給數百萬的用戶（比如 YouTube），或者學會在Go遊戲中擊敗世界冠軍（DeepMind 的 AlgFaGo）。
  • scikit-learn和tensorflow到底有什麼本質區別?
    功能不同Scikit-learn(sklearn)的定位是通用機器學習庫，而TensorFlow(tf)的定位主要是深度學習庫。一個顯而易見的不同：tf並未提供sklearn那種強大的特徵工程，如維度壓縮、特徵選擇等。
  • 200種機器學習教程匯總!
    /blob/master/notebooks/Index.ipynbscikit-learn分類算法https://github.com/mmmayo13/scikit-learn-classifiers/blob/master/sklearn-classifiers-tutorial.ipynb