【下载】最新TensorFlow专业深度学习实战书籍和代码《Pro Deep Learning with TensorFlow》

2017 年 12 月 16 日 专知 专知内容组(编)
【下载】最新TensorFlow专业深度学习实战书籍和代码《Pro Deep Learning with TensorFlow》

【导读】通用电气公司高级数据科学家Santanu Pattanayak撰写的TensorFlow专业深度学习实战《Pro Deep Learning with TensorFlow》教你在工作中轻松使用TensorFlow部署深度学习解决方案,深入浅出地讲解了各个深度学习模块以及实际场景应用,教您如何打造自己的深度学习解决方案。本书介绍了很多实用的深度学习实际应用案例,这些和工作中很相关。您将能够使用演示的原型来构建新的深度学习应用程序。随书同时提供代码,可以让你动手测试改进。


请关注专知公众号(扫一扫最下面专知二维码,或者点击上方蓝色专知),

  • 后台回复“PDLT” 就可以获取TensorFlow专业深度学习实战 pdf下载~

  • 后台回复“PDLTC” 就可以获取TensorFlow专业深度学习实战 代下载~



图书介绍




关于该书

这本书教你在工作中轻松使用TensorFlow部署深度学习解决方案。您还能通过学习到的数学原理和自己直觉来构建自己的深度网络结构和基于自身工作上的深度学习解决方案。


Pro Deep Learning with TensorFlow这本书为深度学习提供专业而实用的实践知识,让您可以从头学习深度学习,并设计有意义的深度学习解决方案。本书将帮助您快速使用TensorFlow并优化不同的深度学习体系结构。


本书介绍了很多实用的深度学习实际应用案例,这些和工作中很相关。您将能够使用演示的原型来构建新的深度学习应用程序。本书中提供的代码以iPython编译版本和脚本的形式提供,可让您尝试使用示例并以有趣的方式扩展它们。


你将学到什么

  • 了解使用TensorFlow进行全面的深度学习,并在深度学习方面打下坚实的数学基础

  • 使用TensorFlow在实际应用中设计复杂的深度学习解决方案

  • 开展深度学习的研究,并使用TensorFlow进行实验

关键词

机器学习 深度学习 Python TensorFlow 图像处理 音频处理 卷积神经网络 Boltzmann 深度学习体系结构 自然语言处理 自动编码器 IPython


关于读者

主要为数据科学家和机器学习专业人员,软件开发人员,研究生和开源爱好者。


关于作者

目前,Santanu Pattanayak在通用电气公司担任数据高级数据科学家。他在数据分析/数据科学领域拥有六年的工作经验,拥有十年的项目管理经验,并且在开发和数据库技术方面拥有丰富的经验。在加入GE之前,Santanu曾在RBS,Capgemini和IBM等公司工作过。他毕业于加尔各答Jadavpur大学电子工程学位,是一名狂热的数学爱好者。 Santanu目前正在海德拉巴印度理工学院(IIT)攻读数据科学硕士学位。他还把时间花在数据科学黑客马拉松和Kaggle比赛上,他在全球排名前500名。 Santanu出生在印度西孟加拉邦,目前和他的妻子居住在印度的班加罗尔。


参考链接:

https://www.apress.com/de/book/9781484230954

https://link.springer.com/book/10.1007%2F978-1-4842-3096-1


▌详细目录




▌第一部分 数学基础




▌第二部分 深度学习概念介绍以及TENSORFLOW




▌第三部分 卷积神经网络




▌第四部分 使用递归神经网络进行自然语言处理




▌第五部分 无监督学习RBM和自动编码器




▌第六部分 深度学习前沿:图像分割、分类、检测、GAN




▌第一章详细内容




-END-

专 · 知

人工智能领域主题知识资料查看获取【专知荟萃】人工智能领域26个主题知识资料全集(入门/进阶/论文/综述/视频/专家等)

同时欢迎各位用户进行专知投稿,详情请点击

诚邀】专知诚挚邀请各位专业者加入AI创作者计划了解使用专知!

请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料

请扫一扫如下二维码关注我们的公众号,获取人工智能的专业知识!

请加专知小助手微信(Rancho_Fang),加入专知主题人工智能群交流!

点击“阅读原文”,使用专知

登录查看更多
24

相关内容

Google发布的第二代深度学习系统TensorFlow

主题: Deep Learning with Python

摘要: 《 Python深度学习》第二版全面介绍了使用Python和强大的Keras库进行的深度学习领域。 由Keras的创建者Google AI研究人员FrançoisChollet撰写,此修订版已更新了新章节,新工具和最新研究中的尖端技术。 读者将通过实际示例和直观的说明来加深理解,这些示例使深度学习的复杂性易于理解。

成为VIP会员查看完整内容
0
50

掌握通过机器学习和深度学习识别和解决复杂问题的基本技能。使用真实世界的例子,利用流行的Python机器学习生态系统,这本书是你学习机器学习的艺术和科学成为一个成功的实践者的完美伴侣。本书中使用的概念、技术、工具、框架和方法将教会您如何成功地思考、设计、构建和执行机器学习系统和项目。

使用Python进行的实际机器学习遵循结构化和全面的三层方法,其中包含了实践示例和代码。

第1部分侧重于理解机器学习的概念和工具。这包括机器学习基础,对算法、技术、概念和应用程序的广泛概述,然后介绍整个Python机器学习生态系统。还包括有用的机器学习工具、库和框架的简要指南。

第2部分详细介绍了标准的机器学习流程,重点介绍了数据处理分析、特征工程和建模。您将学习如何处理、总结和可视化各种形式的数据。特性工程和选择方法将详细介绍真实数据集,然后是模型构建、调优、解释和部署。

第3部分探讨了多个真实世界的案例研究,涵盖了零售、交通、电影、音乐、营销、计算机视觉和金融等不同领域和行业。对于每个案例研究,您将学习各种机器学习技术和方法的应用。动手的例子将帮助您熟悉最先进的机器学习工具和技术,并了解什么算法最适合任何问题。

实用的机器学习与Python将授权您开始解决您自己的问题与机器学习今天!

你将学习:

  • 执行端到端机器学习项目和系统
  • 使用行业标准、开放源码、健壮的机器学习工具和框架实现实践示例
  • 回顾描述机器学习和深度学习在不同领域和行业中的应用的案例研究
  • 广泛应用机器学习模型,包括回归、分类和聚类。
  • 理解和应用深度学习的最新模式和方法,包括CNNs、RNNs、LSTMs和transfer learning。

这本书是给谁看的 IT专业人士、分析师、开发人员、数据科学家、工程师、研究生

目录:

Part I: Understanding Machine Learning

  • Chapter 1: Machine Learning Basics
  • Chapter 2: The Python Machine Learning Ecosystem Part II: The Machine Learning Pipeline
  • Chapter 3: Processing, Wrangling and Visualizing Data
  • Chapter 4: Feature Engineering and Selection
  • Chapter 5: Building, Tuning and Deploying Models Part III: Real-World Case Studies
  • Chapter 6: Analyzing Bike Sharing Trends
  • Chapter 7: Analyzing Movie Reviews Sentiment
  • Chapter 8: Customer Segmentation and Effective Cross Selling
  • Chapter 9: Analyzing Wine Types and Quality
  • Chapter 10: Analyzing Music Trends and Recommendations
  • Chapter 11: Forecasting Stock and Commodity Prices

Chapter 12: Deep Learning for Computer Vision

成为VIP会员查看完整内容
0
124
小贴士
相关VIP内容
专知会员服务
114+阅读 · 2020年2月11日
【新书】深度学习搜索,Deep Learning for Search,附327页pdf
专知会员服务
138+阅读 · 2020年1月13日
相关论文
Shangwen Lv,Yuechen Wang,Daya Guo,Duyu Tang,Nan Duan,Fuqing Zhu,Ming Gong,Linjun Shou,Ryan Ma,Daxin Jiang,Guihong Cao,Ming Zhou,Songlin Hu
9+阅读 · 2020年4月12日
Wenwu Zhu,Xin Wang,Peng Cui
18+阅读 · 2020年1月2日
Rama Kumar Pasumarthi,Sebastian Bruch,Xuanhui Wang,Cheng Li,Michael Bendersky,Marc Najork,Jan Pfeifer,Nadav Golbandi,Rohan Anil,Stephan Wolf
4+阅读 · 2019年5月17日
Learn What Not to Learn: Action Elimination with Deep Reinforcement Learning
Tom Zahavy,Matan Haroush,Nadav Merlis,Daniel J. Mankowitz,Shie Mannor
4+阅读 · 2018年9月6日
Antoine J. -P. Tixier
10+阅读 · 2018年8月30日
Luke Metz,Niru Maheswaranathan,Brian Cheung,Jascha Sohl-Dickstein
5+阅读 · 2018年5月23日
Ahmet Iscen,Giorgos Tolias,Yannis Avrithis,Ondrej Chum
6+阅读 · 2018年3月29日
Hyeonwoo Noh,Andre Araujo,Jack Sim,Tobias Weyand,Bohyung Han
3+阅读 · 2018年2月3日
Vincent Dumoulin,Francesco Visin
6+阅读 · 2018年1月11日
Oriol Vinyals,Charles Blundell,Timothy Lillicrap,Koray Kavukcuoglu,Daan Wierstra
8+阅读 · 2017年12月29日
Top