TensorFlow機器學習實戰指南計算機與互聯網書籍|6615828 epub pdf mobi txt 電子書下載 2024

☆☆☆☆☆
簡體網頁||繁體網頁

美尼剋麥剋盧爾Nick McClu 著，曾益強譯

下載链接在页面底部

點擊這裡下載

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

想要找書就要到靜思書屋

book.idnshop.cc

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

發表於2024-11-10

商品介绍

店鋪：互動齣版網圖書專營店

齣版社：機械工業齣版社

ISBN：9787111579489

商品編碼：17877904412

叢書名：智能係統與技術叢書

齣版時間：2017-09-01

TensorFlow機器學習實戰指南計算機與互聯網書籍|6615828 epub pdf mobi txt 電子書下載 2024

类似图書點擊查看全場最低價

書籍描述

書名：	TensorFlow機器學習實戰指南\|6615828
圖書定價：	69元
圖書作者：	(美)尼剋·麥剋盧爾（Nick McClure）
齣版社：	機械工業齣版社
齣版日期：	2017/9/1 0:00:00
ISBN號：	9787111579489
開本：	16開
頁數：	0
版次：	1-1

作者簡介

Nick McClure，資深數據科學傢，目前就職於美國西雅圖PayScale公司，曾經在Zillow公司和Caesar抯 Entertainment公司工作，獲得濛大拿大學和聖本尼迪剋與聖約翰大學的應用數學專業學位。
他熱衷於數據分析、機器學習和人工智能。Nick有時會把想法寫成博客(http://fromdata.org/）或者發推特（@nfmcclure）。
感謝父母，他們總是鼓勵我追求知識。也感謝朋友和同事能夠給齣很好的建議。本書的完成得益於開源社區的不懈努力，以及TensorFlow相關項目的良好文檔說明。
這裏，要特彆感謝Google公司TensorFlow開發人員。他們給齣瞭優秀的官方文檔、教程和示例。
審校者簡介
Chetan Khatri，具有5年工作經驗的數據科學研究者。他現在是印度Accion Labs公司技術部門的負責人，曾就職於印度手遊巨頭Nazara Games公司，領導負責遊戲與電信業務。
他在 KSKV Kachchh大學計算機科學和數據分析專業取得碩士學位，緻力於數據科學、機器學習、AI和IoT等方麵的學術和會議演講交流。他在學術研究和工業實踐兩方麵都有特長，所以在排除兩者間的隔閡方麵有不錯的成就。他是Kachchh大學多門課程的閤作者，比如數據分析、IoT、機器學習、AI和分布式數據庫。他也是Python社區（PyKuth）的建立者之一。
目前，他正緻力於智能IoT設備與機器學習、增強學習和分布式計算方麵的結閤。
感謝Kachchh大學計算機科學學院Devji Chhanga教授引導我走上數據分析研究的道路。
感謝Shweta Gorania教授介紹遺傳算法和神經網絡算法。
最後，感謝傢人的支持。

內容簡介

TensorFlow是一個開源機器學習庫。本書從TensorFlow的基礎開始介紹，涉及變量、矩陣和各種數據源。之後，針對使用TensorFlow綫性迴歸技術的實踐經驗進行詳細講解。後續章節將在前文的基礎上講述神經網絡、CNN、RNN和NLP等重要概念。

譯者序
作者簡介
審校者簡介
前言
第1章 TensorFlow基礎 1
1.1 TensorFlow介紹 1
1.2 TensorFlow如何工作 1
1.2.1 開始 1
1.2.2 動手做 2
1.2.3 工作原理 3
1.2.4 參考 3
1.3 聲明張量 3
1.3.1 開始 4
1.3.2 動手做 4
1.3.3 工作原理 5
1.3.4 延伸學習 5
1.4 使用占位符和變量 6
1.4.1 開始 6
1.4.2 動手做 6
1.4.3 工作原理 6
1.4.4 延伸學習 7
1.5 操作（計算）矩陣 7
1.5.1 開始 7
1.5.2 動手做 8
1.5.3 工作原理 9
1.6 聲明操作 10
1.6.1 開始 10
1.6.2 動手做 10
1.6.3 工作原理 11
1.6.4 延伸學習 12
1.7 實現激勵函數 12
1.7.1 開始 12
1.7.2 動手做 12
1.7.3 工作原理 13
1.7.4 延伸學習 13
1.8 讀取數據源 14
1.8.1 開始 15
1.8.2 動手做 15
1.8.3 參考 18
1.9 學習資料 19
第2章 TensorFlow進階 20
2.1 本章概要 20
2.2 計算圖中的操作 20
2.2.1 開始 20
2.2.2 動手做 21
2.2.3 工作原理 21
2.3 TensorFlow的嵌入Layer 21
2.3.1 開始 21
2.3.2 動手做 22
2.3.3 工作原理 22
2.3.4 延伸學習 22
2.4 TensorFlow的多層Layer 23
2.4.1 開始 23
2.4.2 動手做 24
2.4.3 工作原理 25
2.5 TensorFlow實現損失函數 26
2.5.1 開始 26
2.5.2 動手做 26
2.5.3 工作原理 28
2.5.4 延伸學習 29
2.6 TensorFlow實現反嚮傳播 30
2.6.1 開始 30
2.6.2 動手做 31
2.6.3 工作原理 33
2.6.4 延伸學習 34
2.6.5 參考 34
2.7 TensorFlow實現隨機訓練和批量訓練 34
2.7.1 開始 35
2.7.2 動手做 35
2.7.3 工作原理 36
2.7.4 延伸學習 37
2.8 TensorFlow實現創建分類器 37
2.8.1 開始 37
2.8.2 動手做 37
2.8.3 工作原理 39
2.8.4 延伸學習 40
2.8.5 參考 40
2.9 TensorFlow實現模型評估 40
2.9.1 開始 40
2.9.2 動手做 41
2.9.3 工作原理 41
第3章基於TensorFlow的綫性迴歸 45
3.1 綫性迴歸介紹 45
3.2 用TensorFlow求逆矩陣 45
3.2.1 開始 45
3.2.2 動手做 46
3.2.3 工作原理 47
3.3 用TensorFlow實現矩陣分解 47
3.3.1 開始 47
3.3.2 動手做 47
3.3.3 工作原理 48
3.4 用TensorFlow實現綫性迴歸算法 49
3.4.1 開始 49
3.4.2 動手做 49
3.4.3 工作原理 52
3.5 理解綫性迴歸中的損失函數 52
3.5.1 開始 52
3.5.2 動手做 52
3.5.3 工作原理 53
3.5.4 延伸學習 54
3.6 用TensorFlow實現戴明迴歸算法 55
3.6.1 開始 55
3.6.2 動手做 56
3.6.3 工作原理 57
3.7 用TensorFlow實現lasso迴歸和嶺迴歸算法 58
3.7.1 開始 58
3.7.2 動手做 58
3.7.3 工作原理 59
3.7.4 延伸學習 59
3.8 用TensorFlow實現彈性網絡迴歸算法 60
3.8.1 開始 60
3.8.2 動手做 60
3.8.3 工作原理 61
3.9 用TensorFlow實現邏輯迴歸算法 62
3.9.1 開始 62
3.9.2 動手做 62
3.9.3 工作原理 65
第4章基於TensorFlow的支持嚮量機 66
4.1 支持嚮量機簡介 66
4.2 綫性支持嚮量機的使用 67
4.2.1 開始 67
4.2.2 動手做 68
4.2.3 工作原理 72
4.3 弱化為綫性迴歸 72
4.3.1 開始 73
4.3.2 動手做 73
4.3.3 工作原理 76
4.4 TensorFlow上核函數的使用 77
4.4.1 開始 77
4.4.2 動手做 77
4.4.3 工作原理 81
4.4.4 延伸學習 82
4.5 用TensorFlow實現非綫性支持嚮量機 82
4.5.1 開始 82
4.5.2 動手做 82
4.5.3 工作原理 84
4.6 用TensorFlow實現多類支持嚮量機 85
4.6.1 開始 85
4.6.2 動手做 86
4.6.3 工作原理 89
第5章最近鄰域法 90
5.1 最近鄰域法介紹 90
5.2 最近鄰域法的使用 91
5.2.1 開始 91
5.2.2 動手做 91
5.2.3 工作原理 94
5.2.4 延伸學習 94
5.3 如何度量文本距離 95
5.3.1 開始 95
5.3.2 動手做 95
5.3.3 工作原理 98
5.3.4 延伸學習 98
5.4 用TensorFlow實現混閤距離計算 98
5.4.1 開始 98
5.4.2 動手做 98
5.4.3 工作原理 101
5.4.4 延伸學習 101
5.5 用TensorFlow實現地址匹配 101
5.5.1 開始 101
5.5.2 動手做 102
5.5.3 工作原理 104
5.6 用TensorFlow實現圖像識彆 105
5.6.1 開始 105
5.6.2 動手做 105
5.6.3 工作原理 108
5.6.4 延伸學習 108
第6章神經網絡算法 109
6.1 神經網絡算法基礎 109
6.2 用TensorFlow實現門函數 110
6.2.1 開始 110
6.2.2 動手做 111
6.2.3 工作原理 113
6.3 使用門函數和激勵函數 113
6.3.1 開始 114
6.3.2 動手做 114
6.3.3 工作原理 116
6.3.4 延伸學習 117
6.4 用TensorFlow實現單層神經網絡 117
6.4.1 開始 117
6.4.2 動手做 117
6.4.3 工作原理 119
6.4.4 延伸學習 119
6.5 用TensorFlow實現神經網絡常見層 120
6.5.1 開始 120
6.5.2 動手做 121
6.5.3 工作原理 126
6.6 用TensorFlow實現多層神經網絡 126
6.6.1 開始 126
6.6.2 動手做 126
6.6.3 工作原理 131
6.7 綫性預測模型的優化 131
6.7.1 開始 131
6.7.2 動手做 131
6.7.3 工作原理 135
6.8 用TensorFlow基於神經網絡實現井字棋 136
6.8.1 開始 136
6.8.2 動手做 137
6.8.3 工作原理 142
第7章自然語言處理 143
7.1 文本處理介紹 143
7.2 詞袋的使用 144
7.2.1 開始 144
7.2.2 動手做 144
7.2.3 工作原理 149
7.2.4 延伸學習 149
7.3 用TensorFlow實現TF-IDF算法 149
7.3.1 開始 150
7.3.2 動手做 150
7.3.3 工作原理 154
7.3.4 延伸學習 154
7.4 用TensorFlow實現skip-gram模型 155
7.4.1 開始 155
7.4.2 動手做 155
7.4.3 工作原理 162
7.4.4 延伸學習 162
7.5 用TensorFlow實現CBOW詞嵌入模型 162
7.5.1 開始 162
7.5.2 動手做 163
7.5.3 工作原理 167
7.5.4 延伸學習 167
7.6 使用TensorFlow的Word2Vec預測 167
7.6.1 開始 167
7.6.2 動手做 168
7.6.3 工作原理 172
7.6.4 延伸學習 172
7.7 用TensorFlow實現基於Doc2Vec的情感分析 172
7.7.1 開始 172
7.7.2 動手做 173
7.7.3 工作原理 180
第8章捲積神經網絡 181
8.1 捲積神經網絡介紹 181
8.2 用TensorFlow實現簡單的CNN 182
8.2.1 開始 182
8.2.2 動手做 182
8.2.3 工作原理 187
8.2.4 延伸學習 188
8.2.5 參考 188
8.3 用TensorFlow實現進階的CNN 188
8.3.1 開始 188
8.3.2 動手做 189
8.3.3 工作原理 196
8.3.4 參考 196
8.4 再訓練已有的CNN模型 196
8.4.1 開始 196
8.4.2 動手做 196
8.4.3 工作原理 199
8.4.4 參考 199
8.5 用TensorFlow實現模仿大師繪畫 199
8.5.1 開始 200
8.5.2 動手做 200
8.5.3 工作原理 205
8.5.4 參考 205
8.6 用TensorFlow實

TensorFlow機器學習實戰指南計算機與互聯網書籍|6615828 epub pdf mobi txt 電子書下載 2024

TensorFlow機器學習實戰指南計算機與互聯網書籍|6615828 下載 epub mobi pdf txt 電子書