掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
機器學習系列基于Google云平臺的機器學習和深度學習入門 版權信息
- ISBN：9787111660033
- 條形碼：9787111660033 ; 978-7-111-66003-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習系列基于Google云平臺的機器學習和深度學習入門 本書特色
本書在理論介紹淺顯易懂，對機器學習的理論沒有使用復雜的數學公式取而代之的是淺顯的實際例子，很多例子可在云平臺上使用短短的幾行python代碼就得以實現。將抽象的知識變得形象化。
機器學習系列基于Google云平臺的機器學習和深度學習入門 內容簡介
本書主要介紹了Google云平臺中有關機器學習的多種工具，以及如何使用它們來進行機器學習。這些工具對使用者在機器學習理論方面的要求很低，讀者可以在僅了解一點有關機器學習基礎知識的前提下使用它們。本書在使用每種機器學習的工具或技術之前，都會對相應的理論進行較為詳實的介紹。但也同時考慮了機器學習理論的復雜性，在對理論知識的介紹中避免了復雜的數學公式，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云平臺上實現的。本書適合剛開始接觸機器學習的讀者閱讀。
機器學習系列基于Google云平臺的機器學習和深度學習入門 目錄
譯者序
原書前言
人工智能、機器學習和深度學習
第1部分 GCP與機器學習1
第1章 嘗試使用GCP2
11GCP 概述3
12創建賬戶和項目5
13Cloud Shell9
14Google Compute Engine13
15Google Cloud Storage18
16BigQuery26
第2章使用Datalab32
21Datalab快速瀏覽33
22NumPy和pandas42
23鏈接Datalab和BigQuery53
24用Datalab繪制各種圖形59
第3章使用 GCP 輕松進行機器學習67
31GCP的機器學習相關服務68
32Cloud Vision API73
33Cloud Translation API86
34Cloud Natural Language API90
第2部分 識別的基礎95
第4章二類識別96
41簡單識別97
42機器學習的引入106
43感知器116
44損失函數125
45邏輯回歸128
第5章多類分類器和各種分類器138
51scikit-learn快速導覽139
52多類邏輯回歸141
53支持向量機151
54隨機森林162
第6章數據評估方法和調整170
61基本的學習流程171
62學習和測試173
63數據評估182
64參數調整188
第3部分 深度學習入門194
第7章深度學習基礎知識196
71圖像識別197
72神經網絡201
73激活函數211
74多類支持216
75各種梯度下降法222
76TensorFlow的準備230
77神經網絡的實現238
78使用DNNClassifier簡化學習244
79TensorBoard246
第8章CNN256
81前面圖像識別中的問題257
82卷積層265
83卷積層運算的種類和池化層272
84使用TensorFlow實施兩層CNN280
附錄288
附錄A Python2的基本使用方法
附錄B Jupyter的設置
原書前言
人工智能、機器學習和深度學習
第1部分 GCP與機器學習1
第1章 嘗試使用GCP2
11GCP 概述3
12創建賬戶和項目5
13Cloud Shell9
14Google Compute Engine13
15Google Cloud Storage18
16BigQuery26
第2章使用Datalab32
21Datalab快速瀏覽33
22NumPy和pandas42
23鏈接Datalab和BigQuery53
24用Datalab繪制各種圖形59
第3章使用 GCP 輕松進行機器學習67
31GCP的機器學習相關服務68
32Cloud Vision API73
33Cloud Translation API86
34Cloud Natural Language API90
第2部分 識別的基礎95
第4章二類識別96
41簡單識別97
42機器學習的引入106
43感知器116
44損失函數125
45邏輯回歸128
第5章多類分類器和各種分類器138
51scikit-learn快速導覽139
52多類邏輯回歸141
53支持向量機151
54隨機森林162
第6章數據評估方法和調整170
61基本的學習流程171
62學習和測試173
63數據評估182
64參數調整188
第3部分 深度學習入門194
第7章深度學習基礎知識196
71圖像識別197
72神經網絡201
73激活函數211
74多類支持216
75各種梯度下降法222
76TensorFlow的準備230
77神經網絡的實現238
78使用DNNClassifier簡化學習244
79TensorBoard246
第8章CNN256
81前面圖像識別中的問題257
82卷積層265
83卷積層運算的種類和池化層272
84使用TensorFlow實施兩層CNN280
附錄288
附錄A Python2的基本使用方法
附錄B Jupyter的設置
展開全部
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
推拿
- >
小考拉的故事-套裝共3冊
- >
二體千字文
- >
我與地壇
- >
有舍有得是人生
- >
羅曼·羅蘭讀書隨筆-精裝
- >
隨園食單
本類暢銷
