简介: TensorFlow 是目前使用最广泛的机器学习框架,满足了广大用户的需求。如今 TensorFlow已经更新到 2.x 版本,具有更强的易用性。本书通过大量的实例讲解在 TensorFlow 框架上实现人工智能的技术,兼容 TensorFlow 1.x与 TensorFlow 2.x 版本,覆盖多种开发场景。书中的内容主要源于作者在代码医生工作室的工作积累。作者将自己在真实项目中使用TensorFlow 的经验与技巧全部写进书里,让读者可以接触到最真实的案例、最实战的场景,尽快搭上人工智能的“列车”。

目录:

  • 第一章:学习准备
  • 第二章:搭建开发环境
  • 第三章:实例:用AI模型识别图像是桌子、猫、狗,还是其他
  • 第四章:用Tensorflow制作自己的数据集
  • 第五章:10 分钟快速训练自己的图片分类模型
  • 第六章:用 TensorFlow 编写训练模型的程序
  • 第七章:特征工程——会说话的数据
  • 第八章:卷积神经网络(CNN)——在图像处理中应用最广泛的模型
  • 第九章:循环神经网络(RNN)——处理序列样本的神经网络
  • 第十章:生成式模型——能够输出内容的模型
  • 第十一章:模型的攻与防——看似智能的 AI 也有脆弱的一面
  • 第十二章:TensorFlow 模型制作——一种功能,多种身份
  • 第十三章:部署 TensorFlow 模型——模型与项目的深度结合
  • 第十四章:商业实例

代码医生工作室,是一家只做AI技术相关业务的公司。主要从事企业咨询、培训及算法外包服务。另外还有部分图书出版和个人培训等相关业务。工作室的使命有三点:  为企业赋能。帮助企业拥有AI的能力。提升商业价值。  为AI技术的推广与发展做共贡献  帮助更多的人掌握AI技术。

成为VIP会员查看完整内容
《深度学习之TensorFlow工程化项目实战》李金洪PDF.pdf
1
166

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等

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

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
成为VIP会员查看完整内容
0
146
小贴士
相关论文
Guneet S. Dhillon,Pratik Chaudhari,Avinash Ravichandran,Stefano Soatto
6+阅读 · 2020年3月1日
Yuhang Cao,Kai Chen,Chen Change Loy,Dahua Lin
10+阅读 · 2019年4月9日
A sequential guiding network with attention for image captioning
Daouda Sow,Zengchang Qin,Mouhamed Niasse,Tao Wan
5+阅读 · 2019年2月8日
Multi-class Classification without Multi-class Labels
Yen-Chang Hsu,Zhaoyang Lv,Joel Schlosser,Phillip Odom,Zsolt Kira
4+阅读 · 2019年1月2日
Ofir Press,Noah A. Smith
3+阅读 · 2018年10月31日
Andrew Brock,Jeff Donahue,Karen Simonyan
4+阅读 · 2018年9月28日
Simultaneous Localization and Mapping (SLAM) using RTAB-MAP
Sagarnil Das
4+阅读 · 2018年9月9日
Zheng Zhang,Qin Zou,Qian Wang,Yuewei Lin,Qingquan Li
5+阅读 · 2018年3月19日
Akshay Mehra,Jihun Hamm,Mikhail Belkin
3+阅读 · 2018年2月12日
Sibo Tong,Philip N. Garner,Hervé Bourlard
7+阅读 · 2018年1月23日
Top