√丰富的案例解析,书中展示了Spark在各行各业做深度学习的应用实例。 √基于Python,与当前主流深度学习库(TensorFlow和Keras等)结合,教你如何在Spark中实现和部署深度学习模型。 √本书以即学即用的方式行讲解,任何没有编程经验的人,即使是没有使用过Python语言的人,都可以按照提示逐步地轻松实现本书中的算法。
售 价:¥
纸质售价:¥86.10购买纸书
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
版权页
译者序
编著者
前言
1 为深度学习开发设置Spark
介绍
下载Ubuntu桌面映像
在macOS中使用VMWare Fusion安装和配置Ubuntu
在Windows中使用Oracle VirtualBox安装和配置Ubuntu
为谷歌云平台安装和配置Ubuntu桌面端
在Ubuntu桌面端安装和配置Spark
集成Jupyter Notebook与Spark
启动和配置Spark集群
停止Spark集群
2 在Spark中创建神经网络
介绍
在PySpark中创建数据帧
在PySpark数据帧中操作列
将PySpark数据帧转换为数组
在散点图中将数组可视化
设置输入神经网络的权重和偏差
规范化神经网络的输入数据
验证数组以获得最佳的神经网络性能
使用sigmoid设置激活函数
创建sigmoid导数
计算神经网络中的代价函数
根据身高值和体重值预测性别
预测分数并进行可视化
3 卷积神经网络的难点
介绍
难点1:导入MNIST图像
难点2:可视化MNIST图像
难点3:将MNIST图像导出为文件
难点4:增加MNIST图像
难点5:利用备用资源训练图像
难点6:为卷积神经网络优先考虑高级库
4 循环神经网络的难点
介绍
前馈网络简介
循环神经网络的顺序工作
难点1:梯度消失问题
难点2:梯度爆炸问题
长短期记忆单元的顺序工作
5 用Spark机器学习预测消防部门呼叫
介绍
下载旧金山消防局呼叫数据集
识别逻辑回归模型的目标变量
为逻辑回归模型准备特征变量
应用逻辑回归模型
评估逻辑回归模型的准确度
6 在生成网络中使用LSTM
介绍
下载将用作输入文本的小说/书籍
准备和清理数据
标记句子
训练和保存LSTM模型
使用模型生成类似的文本
7 使用TF-IDF进行自然语言处理
介绍
下载治疗机器人会话文本数据集
分析治疗机器人会话数据集
数据集单词计数可视化
计算文本的情感分析
从文本中删除停用词
训练TF-IDF模型
评估TF-IDF模型性能
比较模型性能和基线分数
8 使用XGBoost进行房地产价值预测
下载金斯县房屋销售数据集
执行探索性分析和可视化
绘制价格与其他特征之间的相关性
预测房价
9 使用长短期记忆单元预测苹果公司股票市场价格
下载苹果公司的股票市场数据
探索和可视化苹果公司的股票市场数据
准备用于提升模型性能的股票市场数据
构建长短期记忆单元模型
评估长短期记忆单元模型
10 使用深度卷积网络进行人脸识别
介绍
下载MIT-CBCL数据集并将其加载到内存中
绘制并可视化目录中的图像
图像预处理
模型构建、训练和分析
11 使用Word2Vec创建和可视化单词向量
介绍
获取数据
导入必要的库
准备数据
构建和训练模型
进一步可视化
进一步分析
12 使用Keras创建电影推荐引擎
介绍
下载MovieLens数据集
操作和合并MovieLens数据集
探索MovieLens数据集
为深度学习流水线准备数据集
应用Keras深度学习模型
评估推荐引擎的准确度
13 使用TensorFIow在Spark中进行图像分类
介绍
下载梅西和罗纳尔多各30张图像
使用深度学习包安装PySpark
将图像加载到PySpark数据帧
理解迁移学习
创建用于图像分类训练的流水线
评估模型性能
微调模型参数
反侵权盗版声明
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