基于Google云平臺的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)入門
定 價(jià)：79 元
叢書名：機(jī)器學(xué)習(xí)系列
- 作者：[日]吉川 隼人 著薛建彬 張振華譯
- 出版時(shí)間：2020/10/1
- ISBN：9787111660033
- 出 版 社：機(jī)械工業(yè)出版社
- 中圖法分類：TP181
- 頁碼：232
- 紙張：
- 版次：
- 開本：16開
本書主要介紹了Google云平臺中有關(guān)機(jī)器學(xué)習(xí)的多種工具，以及如何使用它們來進(jìn)行機(jī)器學(xué)習(xí)。這些工具對使用者在機(jī)器學(xué)習(xí)理論方面的要求很低，讀者可以在僅了解一點(diǎn)有關(guān)機(jī)器學(xué)習(xí)基礎(chǔ)知識的前提下使用它們。
本書在使用每種機(jī)器學(xué)習(xí)的工具或技術(shù)之前，都會對相應(yīng)的理論進(jìn)行較為詳實(shí)的介紹。但也同時(shí)考慮了機(jī)器學(xué)習(xí)理論的復(fù)雜性，在對理論知識的介紹中避免了復(fù)雜的數(shù)學(xué)公式，取而代之的是生動淺顯的例子。其中很多示例是使用Python代碼在Google云平臺上實(shí)現(xiàn)的。
本書適合剛開始接觸機(jī)器學(xué)習(xí)的讀者閱讀。
譯者序
原書前言
人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)
第1部分 GCP與機(jī)器學(xué)習(xí)1
第1章 嘗試使用GCP2
1.1GCP 概述3
1.2創(chuàng)建賬戶和項(xiàng)目5
1.3Cloud Shell9
1.4Google Compute Engine13
1.5Google Cloud Storage18
1.6BigQuery26
第2章使用Datalab32
2.1Datalab快速瀏覽33
2.2NumPy和pandas42
2.3鏈接Datalab和BigQuery53
2.4用Datalab繪制各種圖形59
第3章使用 GCP 輕松進(jìn)行機(jī)器學(xué)習(xí)67
3.1GCP的機(jī)器學(xué)習(xí)相關(guān)服務(wù)68
3.2Cloud Vision API73
3.3Cloud Translation API86
3.4Cloud Natural Language API90
第2部分 識別的基礎(chǔ)95
第4章二類識別96
4.1簡單識別97
4.2機(jī)器學(xué)習(xí)的引入106
4.3感知器116
4.4損失函數(shù)125
4.5邏輯回歸128
第5章多類分類器和各種分類器138
5.1scikit-learn快速導(dǎo)覽139
5.2多類邏輯回歸141
5.3支持向量機(jī)151
5.4隨機(jī)森林162
第6章數(shù)據(jù)評估方法和調(diào)整170
6.1基本的學(xué)習(xí)流程171
6.2學(xué)習(xí)和測試173
6.3數(shù)據(jù)評估182
6.4參數(shù)調(diào)整188
第3部分 深度學(xué)習(xí)入門194
第7章深度學(xué)習(xí)基礎(chǔ)知識196
7.1圖像識別197
7.2神經(jīng)網(wǎng)絡(luò)201
7.3激活函數(shù)211
7.4多類支持216
7.5各種梯度下降法222
7.6TensorFlow的準(zhǔn)備230
7.7神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)238
7.8使用DNNClassifier簡化學(xué)習(xí)244
7.9TensorBoard246
第8章CNN256
8.1前面圖像識別中的問題257
8.2卷積層265
8.3卷積層運(yùn)算的種類和池化層272
8.4使用TensorFlow實(shí)施兩層CNN280
附錄288
附錄A Python2的基本使用方法
附錄B Jupyter的設(shè)置
書單推薦
