【新书】学习TensorFlow2.0，177页pdf，使用Python实现机器学习和深度学习模型

简介： Google一直是引入突破性技术和产品的先驱。在效率和规模方面，TensorFlow也不例外，因此，编写本书只是向读者介绍TensorFlow核心团队所做的这些重要更改。本书着重于机器学习方面的TensorFlow的不同应用，并更深入地探讨了方法的最新变化。对于那些想要用TensorFlow进行机器学习的人来说，这本书是一个很好的参考点。本书分为三个部分。第一篇：使用TensorFlow 2.0进行数据处理。第二部分：使用TensorFlow 2.0构建机器学习和深度学习模型。它还包括使用TensorFlow 2.0的神经语言编程（NLP）。第三部分介绍了如何在环境中保存和部署TensorFlow 2.0模型。这本书对数据分析人员和数据工程师也很有用，因为它涵盖了使用TensorFlow 2.0处理大数据的步骤。想要过渡到数据科学和机器学习领域的读者也会发现，本书提供了实用的入门指南，以后可能会出现更复杂的方面。书中提供的案例研究和示例使您很容易理解和理解相关的基本概念。本书的优势在于其简单性以及将机器学习应用于有意义的数据集。

目录：

• Chapter 1：tenforflow 2.0介绍
  • tensor
  • TensorFlow 1.0与 Tensorflow 2.0的对比
  • Tensorflow 2.0安装于基础操作
• Chapter 2：tenforflow 与监督学习
  • 监督机器学习是什么
  • TF2.0实现线性回归
  • 使用TF和Keras的线性回归应用
  • TF2.0实现逻辑回归
  • TF2.0实现boosted树
• Chapter 3：tenforflow与深度神经网络
  • 什么是神经网络
  • 前向传播与反向传播
  • TF2.0构建神经网络
  • 深度神经网络
  • TF2.0构建深度神经网络
  • 使用Keras模型估量
  • 总结
• Chapter 4：图片与Tensorflow
  • 图片处理
  • 卷积神经网络
  • TF2.0与卷积神经网络
  • 迁移学习
  • TF2.0与变分自编码器
  • 总结
• Chapter 5：TF2.0与自然语言处理（NLP）
  • NLP概述
  • 文本处理
  • 文本分类与TF
  • TF projector
• Chapter 6：TF模型
  • TF部署
  • 模型部署的Python
  • 基于TF的Keras模型