机器学习实战：基于Scikit-Learn、Keras和Tens
作者: 【法】奥雷利安·杰龙63.97万字65人 正在读
已完结现代当代当代文学
目录 (279章)
倒序
正文
001 第一部分 机器学习的基础知识002 .1 什么是机器学习003 .2 为什么使用机器学习004 .3 机器学习的应用示例005 .4 机器学习系统的类型(1)006 .4 机器学习系统的类型(2)007 .4 机器学习系统的类型(3)008 .5 机器学习的主要挑战009 .6 测试与验证010 .7 练习题011 端到端的机器学习项目012 .1 使用真实数据013 .2 观察大局014 .3 获取数据(1)015 .3 获取数据(2)016 .3 获取数据(3)017 .3 获取数据(4)018 .4 从数据探索和可视化中获得洞见019 .5 机器学习算法的数据准备(1)020 .5 机器学习算法的数据准备(2)021 .5 机器学习算法的数据准备(3)022 .5 机器学习算法的数据准备(4)023 .6 选择和训练模型024 .7 微调模型(1)025 .7 微调模型(2)026 .7 微调模型(3)027 .8 启动、监控和维护你的系统028 .9 试试看029 .10 练习题030 分类031 .1 MNIST032 .2 训练二元分类器033 .3 性能测量(1)034 .3 性能测量(2)035 .3 性能测量(3)036 .4 多类分类器037 .5 误差分析038 .6 多标签分类039 .7 多输出分类040 .8 练习题041 训练模型042 .1 线性回归043 .2 梯度下降(1)044 .2 梯度下降(2)045 .3 多项式回归046 .4 学习曲线047 .5 正则化线性模型(1)048 .5 正则化线性模型(2)049 .6 逻辑回归(1)050 .6 逻辑回归(2)051 .7 练习题052 支持向量机053 .1 线性SVM分类054 .2 非线性SVM分类055 .3 SVM回归056 .4 工作原理057 .5 练习题058 决策树059 .1 训练和可视化决策树060 .2 做出预测061 .3 估计类概率062 .4 CART训练算法063 .5 计算复杂度064 .6 基尼不纯度或熵065 .7 正则化超参数066 .8 回归067 .9 不稳定性068 .10 练习题069 集成学习和随机森林070 .1 投票分类器071 .2 bagging和pasting072 .3 随机补丁和随机子空间073 .4 随机森林074 .5 提升法(1)075 .5 提升法(2)076 .6 堆叠法077 .7 练习题078 降维079 .1 维度的诅咒080 .2 降维的主要方法081 .3 PCA082 .4 内核PCA083 .5 LLE084 .6 其他降维技术085 .7 练习题086 无监督学习技术087 .1 聚类(1)088 .1 聚类(2)089 .1 聚类(3)090 .1 聚类(4)091 .1 聚类(5)092 .1 聚类(6)093 .2 高斯混合模型(1)094 .2 高斯混合模型(2)095 .2 高斯混合模型(3)096 .2 高斯混合模型(4)097 .3 练习题098 第二部分 神经网络与深度学习099 .1 从生物神经元到人工神经元(1)100 .1 从生物神经元到人工神经元(2)101 .1 从生物神经元到人工神经元(3)102 .1 从生物神经元到人工神经元(4)103 .2 使用Keras实现MLP(1)104 .2 使用Keras实现MLP(2)105 .2 使用Keras实现MLP(3)106 .2 使用Keras实现MLP(4)107 .2 使用Keras实现MLP(5)108 .2 使用Keras实现MLP(6)109 .2 使用Keras实现MLP(7)110 .2 使用Keras实现MLP(8)111 .2 使用Keras实现MLP(9)112 .3 微调神经网络超参数(1)113 .3 微调神经网络超参数(2)114 .3 微调神经网络超参数(3)115 .4 练习题116 训练深度神经网络117 .1 梯度消失与梯度爆炸问题(1)118 .1 梯度消失与梯度爆炸问题(2)119 .1 梯度消失与梯度爆炸问题(3)120 .1 梯度消失与梯度爆炸问题(4)121 .1 梯度消失与梯度爆炸问题(5)122 .2 重用预训练层123 .3 更快的优化器(1)124 .3 更快的优化器(2)125 .3 更快的优化器(3)126 .3 更快的优化器(4)127 .4 通过正则化避免过拟合(1)128 .4 通过正则化避免过拟合(2)129 .4 通过正则化避免过拟合(3)130 .5 总结和实用指南131 .6 练习题132 使用TensorFlow自定义模型和训练133 .1 TensorFlow快速浏览134 .2 像NumPy一样使用TensorFlow(1)135 .2 像NumPy一样使用TensorFlow(2)136 .3 定制模型和训练算法(1)137 .3 定制模型和训练算法(2)138 .3 定制模型和训练算法(3)139 .3 定制模型和训练算法(4)140 .3 定制模型和训练算法(5)141 .3 定制模型和训练算法(6)142 .3 定制模型和训练算法(7)143 .3 定制模型和训练算法(8)144 .4 TensorFlow函数和图145 .5 练习题146 使用TensorFlow加载和预处理数据147 .1 数据API(1)148 .1 数据API(2)149 .1 数据API(3)150 .1 数据API(4)151 .2 TFRecord格式(1)152 .2 TFRecord格式(2)153 .2 TFRecord格式(3)154 .3 预处理输入特征(1)155 .3 预处理输入特征(2)156 .3 预处理输入特征(3)157 .3 预处理输入特征(4)158 .4 TF Transform159 .5 TensorFlow数据集项目160 .6 练习题161 使用卷积神经网络的深度计算机视觉162 .1 视觉皮层的架构163 .2 卷积层(1)164 .2 卷积层(2)165 .3 池化层166 .4 CNN架构(1)167 .4 CNN架构(2)168 .4 CNN架构(3)169 .4 CNN架构(4)170 .5 使用Keras实现ResNet-34 CNN171 .6 使用Keras的预训练模型172 .7 迁移学习的预训练模型173 .8 分类和定位174 .9 物体检测(1)175 .9 物体检测(2)176 .10 语义分割177 .11 练习题178 使用RNN和CNN处理序列179 .1 循环神经元和层180 .2 训练RNN181 .3 预测时间序列(1)182 .3 预测时间序列(2)183 .3 预测时间序列(3)184 .4 处理长序列(1)185 .4 处理长序列(2)186 .4 处理长序列(3)187 .4 处理长序列(4)188 .5 练习题189 使用RNN和注意力机制进行自然语言处理190 .1 使用字符RNN生成莎士比亚文本(1)191 .1 使用字符RNN生成莎士比亚文本(2)192 .1 使用字符RNN生成莎士比亚文本(3)193 .2 情感分析(1)194 .2 情感分析(2)195 .2 情感分析(3)196 .3 神经机器翻译的编码器-解码器网络(1)197 .3 神经机器翻译的编码器-解码器网络(2)198 .3 神经机器翻译的编码器-解码器网络(3)199 .4 注意力机制(1)200 .4 注意力机制(2)201 .4 注意力机制(3)202 .4 注意力机制(4)203 .5 最近语言模型的创新204 .6 练习题205 使用自动编码器和GAN的表征学习和生成学习206 .1 有效的数据表征207 .2 使用不完整的线性自动编码器执行PCA208 .3 堆叠式自动编码器(1)209 .3 堆叠式自动编码器(2)210 .4 卷积自动编码器211 .5 循环自动编码器212 .6 去噪自动编码器213 .7 稀疏自动编码器214 .8 变分自动编码器215 .9 生成式对抗网络(1)216 .9 生成式对抗网络(2)217 .9 生成式对抗网络(3)218 .9 生成式对抗网络(4)219 .10 练习题220 强化学习221 .1 学习优化奖励222 .2 策略搜索223 .3 OpenAI Gym介绍224 .4 神经网络策略225 .5 评估动作：信用分配问题226 .6 策略梯度(1)227 .6 策略梯度(2)228 .7 马尔可夫决策过程229 .8 时序差分学习230 .9 Q学习231 .10 实现深度Q学习232 .11 深度Q学习的变体233 .12 TF-Agents库(1)234 .12 TF-Agents库(2)235 .12 TF-Agents库(3)236 .12 TF-Agents库(4)237 .12 TF-Agents库(5)238 .12 TF-Agents库(6)239 .13 一些流行的RL算法概述240 .14 练习题241 大规模训练和部署TensorFlow模型242 .1 为TensorFlow模型提供服务(1)243 .1 为TensorFlow模型提供服务(2)244 .1 为TensorFlow模型提供服务(3)245 .1 为TensorFlow模型提供服务(4)246 .1 为TensorFlow模型提供服务(5)247 .1 为TensorFlow模型提供服务(6)248 .2 将模型部署到移动端或嵌入式设备249 .3 使用GPU加速计算86(1)250 .3 使用GPU加速计算86(2)251 .3 使用GPU加速计算86(3)252 .3 使用GPU加速计算86(4)253 .4 跨多个设备的训练模型(1)254 .4 跨多个设备的训练模型(2)255 .4 跨多个设备的训练模型(3)256 .4 跨多个设备的训练模型(4)257 .5 练习题258 .6 致谢259 附录A 课后练习题解答(1)260 附录A 课后练习题解答(2)261 附录A 课后练习题解答(3)262 附录A 课后练习题解答(4)263 附录A 课后练习题解答(5)264 附录A 课后练习题解答(6)265 附录A 课后练习题解答(7)266 附录A 课后练习题解答(8)267 附录A 课后练习题解答(9)268 附录A 课后练习题解答(10)269 附录B 机器学习项目清单270 附录C SVM对偶问题271 附录D 自动微分272 附录E 其他流行的人工神经网络架构(1)273 附录E 其他流行的人工神经网络架构(2)274 附录F 特殊数据结构(1)275 附录F 特殊数据结构(2)276 附录F 特殊数据结构(3)277 附录G TensorFlow图(1)278 附录G TensorFlow图(2)279 附录G TensorFlow图(3)
精选推荐
领导力法则
[中国纺织出版社]
陆禹萌
已完结当代文学
销售心理学
[中国纺织出版社]
兰华
已完结当代文学
销售就是玩转情商
[中国纺织出版社]
王威
已完结当代文学
销售员情商实战训练
成功的销售需要高智商，更需要高情商。一个销售员的销售业绩，往往与他的情商成正比。本书从十个方面详细讲述了有效运用情商，提高销售业绩的方法和技巧。通过实际销售案例和销售心理学理论指导，以及实战点拨和情商拓展训练，帮助读者全方位、快速提高情商。故事性、多版块、碎片化的内容设置，有效降低读者阅读疲劳，提高阅读兴趣，不论是奔波在路上的销售小白，还是带领团队奋勇向前的销售经理，都能从中找到适合自己的销售软技巧。
刘军
已完结当代文学
让未来的你，感谢现在勇敢的自己
[中国纺织出版社]
王介威
已完结当代文学
行为心理学：华生的实用心理学课
[中国纺织出版社]
（美）约翰·华生著.倪彩
已完结当代文学
行为心理学入门（完全图解版）
行为心理学入门（完全图解版）是以作者多来年的心理辅导和咨询数据为素材，对现实生活中的行为心理学应用进行了形象、深入、全面的论述和解读。本书与日本心理学图解书形式相同，浅显易读，有趣又益。
武莉
已完结当代文学
自卑与超越
《自卑与（全译插图典藏版）》是个体心理学研究领域的著作，也是人本主义心理学先驱阿尔弗雷德·阿德勒的很好著作。阿德勒的学说以“自卑感”与“创造性自我”为中心，并强调“社会意识”。全书立足个人心理学的观点，从教育、家庭、婚姻、伦理、社交等多个领域，以大量的实例为论述基础，阐明了人生意义的真谛，帮助人们克服自卑、不断超自己，正确对待职业，正确理解社会与性。本书直接促进了亲子教育、人格培养、婚姻与爱情、职业生涯、家庭建设、人际关系等诸多领域的长足发展，成为人们了解心理学的经典读物。
（奥）阿尔弗雷德·阿德勒
已完结当代文学
自制力：道理我都懂，为什么就是过不好人生
[中国纺织出版社]
邱开杰
已完结当代文学