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

2021-02-21 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

  • 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
  • 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
  • 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）。
  • 《從機器學習到深度學習:基於scikit-learn與TensorFlow的高效開發實戰》
    關注「智能工場AIWorkshop」，並在本文下方留言【寫下你喜歡此書的理由】，留言點讚數前兩名的讀者，將獲贈《從機器學習到深度學習：基於scikit-learn與TensorFlow的高效開發實戰》一本！包郵哦～下周一將會宣布本周幸運讀者的名單。請大家持續關注本公眾號的最新動態，比心~
  • 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。
  • 模型秒變API只需一行代碼,支持TensorFlow等框架
    作者表示，該項目具有以下優點：自動定義：Cortex 可以自動定義需要負責生產工作的 API；多框架支持：Cortex 支持多種機器學習框架，包括 TensorFlow、PyTorch、scikit-learn、XGBoost 等；CPU/GPU 支持：Cortex 能夠在 CPU 或者 GPU 上進行推理工作；回滾式更新：Cortex 可以對部署的
  • 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。
  • 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
  • 基於char-rnn和tensorflow生成周杰倫歌詞
    公眾號： datayx本著學習tensorflow和RNN的目的，前些天發現了char-rnnhttps://github.com/karpathy/char-rnn這個有趣的項目，具體就是基於字符預測下一個字符，比日說已知hello的前四個字母hell，那我們就可以據此預測下一個字符很可能是o,因為是字符char級別的，並沒有單詞或句子層次上的特徵提取
  • 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）。
  • 推薦|機器學習入門方法和資料合集
    地址：https://docs.scipy.org/doc/scipy/reference/tutorial/index.html4、scikit-learn：sklearn包含眾多的算法接口，從監督學習到半監督學習，再到無監督學習。還有評價指標、特徵選擇等。
  • Sklearn與Tensorflow的完美結合
    繼續為各位小俠客帶來深度學習實戰的實用小技巧，Sklearn和Tensorflow想必是大家做機器學習和深度學習時很熟悉的兩個Python庫，其中sklearn中有很多機器學習算法、數據預處理以及參數尋優的函數API，keras則可以快速實現你的神經網絡結構。那麼如何讓sklearn和keras相遇而完美結合呢？
  • 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。
  • 推薦 | 機器學習入門方法和資料合集
    點擊上方「Python數據之道」，選擇「星標公眾號」精品文章，第一時間送達作者 | 何從慶來源 | AI算法之心機器學習入門方法和資料合集近些天在微信群裡經常看小夥伴問到「機器學習如何入門，看哪些資料 ?」
  • 200種機器學習教程匯總!
    tensorflow.org使用神經網絡進行序列學習https://papers.nips.cc/paper/5346-sequence-to-sequence-learning-with-neural-networks.pdf機器學習很有趣第五部分：深度學習的語言翻譯和序列的魔力
  • 基於Keras的多標籤圖像分類
    ：search_bing_api.py ：主要是圖片下載，但本文會提供好數據集，所以可以不需要運行該代碼；train.py ：最主要的代碼，處理和加載數據以及訓練模型；fashion.model ：保存的模型文件，用於 classify.py 進行對測試圖片的分類；mlb.pickle：由 scikit-learn 模塊的 MultiLabelBinarizer
  • Python + Scikit-learn 完美入門機器學習指南 ​
    Scikit-learn 是一個非常流行的機器學習工具，它幾乎集成了所有經典的機器學習算法，你只需要幾行代碼，通過簡單的方法類調用，就可以實現原本複雜的機器學習模型。如果你是一名 Python 程式設計師，又正好想學習一下人工智慧技術，scikit-learn 可能是你最好的選擇之一。
  • 機器學習之 scikit-learn 開發入門(1)
    一、前言機器學習是當今的熱點，那麼為什麼它會如此的火爆呢？它能為我們帶來什麼呢？機器學習可以減少人工成本，在過去亞馬遜公司會僱傭大量的書籍專家，憑藉用戶的喜好為用戶推薦書籍，但是書籍專家也有知識面不足的地方，而且需要的費用也是昂貴的。機器學習算法可以根據用戶的日常行為形成模型，自動的向用戶推薦他們喜歡的產品。節省了大量的費用，也不會出現專家因為知識面不足導致的失誤。
  • 【前沿】NIPS2017貝葉斯生成對抗網絡TensorFlow實現(附GAN資料下載)
    python 依賴包這個代碼包含以下依賴包 (版本號非常重要):python 2.7tensorflow==1.0.0在Linux上安裝tensorflow 1.0.0可以參考官方指南 https://www.tensorflow.org/versions/r1.0/install/.
  • 如何銜接Spark 和Tensorflow?
    Tensorflow則是深度學習當之無愧最熱的框架。而在現實當中，Spark 和Tensorflow的銜接往往是脫節的。我們希望保留Spark/TF各自的優勢和習慣，並且能夠實現無縫銜接。因為我自身是比較熟悉Spark的，Spark一開始就立足於提供一個完整技術棧，這自然包括數據組織，處理，還有機器學習。