这本书和市面上的大多数机器学习书不一样。 （1）它们从数学角度切；本书从代码角度切，不存在天书符号。 （2）它们先堆各种新鲜概念；本书通过代码展示问题，再引出知识。 （3）它们重在抽象理论；本书让初学者即刻体验和实践算法，为应用下基础。 另外，作者资深且用心写作，在书中介绍AI概念、动手写代码及测试代码时下了一番苦功。 （1）作者在美国微软、BCG、Uber、腾讯等工作多年，经验老道，深深理解程序员学习机器学习的痛。
售 价：¥
纸质售价：¥81.10购买纸书
6.2
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
书名页
内容简介
版权页
推荐序一
推荐序二
推荐序三
上篇
第1章 机器学习的Hello World
1.1 机器学习简介
1.2 机器学习应用的核心开发流程
1.3 从代码开始
1.3.1 搭建环境
1.3.2 一段简单的代码
1.4 本章小结
1.5 本章参考文献
第2章 手工实现神经网络
2.1 感知器
2.1.1 从神经元到感知器
2.1.2 实现简单的感知器
2.2 线性回归、梯度下降及实现
2.2.1 分类的原理
2.2.2 损失函数与梯度下降
2.2.3 神经元的线性回归实现
2.3 随机梯度下降及实现
2.4 单层神经网络的Python实现
2.4.1 从神经元到神经网络
2.4.2 单层神经网络：初始化
2.4.3 单层神经网络：核心概念
2.4.4 单层神经网络：前向传播
2.4.5 单层神经网络：反向传播
2.4.6 网络训练及调整
2.5 本章小结
2.6 本章参考文献
第3章 上手Keras
3.1 Keras简介
3.2 Keras开发入门
3.2.1 构建模型
3.2.2 训练与测试
3.3 Keras的概念说明
3.3.1 Model
3.3.2 Layer
3.3.3 Loss
3.4 再次代码实战
3.4.1 XOR运算
3.4.2 房屋价格预测
3.5 本章小结
3.6 本章参考文献
第4章 预测与分类：简单的机器学习应用
4.1 机器学习框架之sklearn简介
4.1.1 安装sklearn
4.1.2 sklearn中的常用模块
4.1.3 对算法和模型的选择
4.1.4 对数据集的划分
4.2 初识分类算法
4.2.1 分类算法的性能度量指标
4.2.2 朴素贝叶斯分类及案例实现
4.3 决策树
4.3.1 算法介绍
4.3.2 决策树的原理
4.3.3 实例演练
4.3.4 决策树优化
4.4 线性回归
4.4.1 算法介绍
4.4.2 实例演练
4.5 逻辑回归
4.5.1 算法介绍
4.5.2 多分类问题与实例演练
4.6 神经网络
4.6.1 神经网络的历史
4.6.2 实例演练
4.6.3 深度学习中的一些算法细节
4.7 本章小结
4.8 本章参考文献
下篇
第5章 推荐系统基础
5.1 推荐系统简介
5.2 相似度计算
5.3 协同过滤
5.3.1 基于用户的协同过滤
5.3.2 基于物品的协同过滤
5.3.3 算法实现与案例演练
5.4 LR模型在推荐场景下的应用
5.5 多模型融合推荐模型：Wide＆Deep模型
5.5.1 探索-利用困境的问题
5.5.2 Wide＆Deep模型
5.5.3 交叉特征
5.6 本章小结
5.7 本章参考文献
第6章 项目实战：聊天机器人
6.1 聊天机器人的发展历史
6.2 循环神经网络
6.2.1 Slot Filling
6.2.2 NLP中的单词处理
6.2.3 循环神经网络简介
6.2.4 LSTM网络简介
6.3 Seq2Seq原理介绍及实现
6.3.1 Seq2Seq原理介绍
6.3.2 用Keras实现Seq2Seq算法
6.4 Attention
6.4.1 Seq2Seq的问题
6.4.2 Attention的工作原理
6.4.3 Attention在Keras中的实现
6.4.4 Attention示例
6.5 本章小结
6.6 本章参考文献
第7章 图像分类实战
7.1 图像分类与卷积神经网络
7.1.1 卷积神经网络的历史
7.1.2 图像分类的3个问题
7.2 卷积神经网络的工作原理
7.2.1 卷积运算
7.2.2 传统图像处理中的卷积运算
7.2.3 Pooling
7.2.4 为什么卷积神经网络能达到较好的效果
7.3 案例实战：交通图标分类
7.3.1 交通图标数据集
7.3.2 卷积神经网络的Keras实现
7.4 优化策略
7.4.1 数据增强
7.4.2 ResNet
7.5 本章小结
7.6 本章参考文献
第8章 目标识别
8.1 CNN的演化
8.1.1 CNN和滑动窗口
8.1.2 RCNN
8.1.3 从Fast RCNN到Faster RCNN
8.1.4 Faster RCNN核心代码解析
8.2 YOLO
8.2.1 YOLO v1
8.2.2 YOLO v2
8.2.3 YOLO v3
8.3 YOLO v3的具体实现
8.3.1 数据预处理
8.3.2 模型训练
8.4 本章小结
8.5 本章参考文献
第9章 模型部署与服务
9.1 生产环境中的模型服务
9.2 TensorFlow Serving的应用
9.2.1 转换Keras模型
9.2.2 TensorFlow Serving部署
9.2.3 接口验证
9.3 本章小结
9.4 本章参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
