![]()
内容推荐 本书首先介绍深度学习,并与其他机器学习模型进行比较,并阐述与TensorFlow互补的用于创建深度学习模型的技术,如Panda、Scikit-Learn和Numpy。随后介绍有监督的深度学习模型,并使用单层的多个感知器构建浅层神经网络,使用Tensorflow2.0和KerasAPI创建真实的应用程序。随后是数据增强和批处理规范化方法,并使用MNIST数据集训练CNN。最后是使用自动编码器的理论应用和无监督学习,以及使用tf-agent模型的强化学习。本书主要面向深度学习和机器学习API领域的数据科学家和程序员。 目录 第1章绪论 1.1编程语言Python 1.1.1Python发展时间轴 1.1.2Python2.x与Python3.x 1.1.3选择Python的原因 1.2机器学习框架TensorFlow 1.2.1TensorFlow发展时间轴 1.2.2选择TensorFlow的原因 1.2.3TensorFlow2.x的新特点 1.2.4TensorFlow的竞争产品 1.3安装与环境设置 1.4硬件选项和要求 第2章机器学习简介 2.1何为机器学习 2.2机器学习的范围及相关邻域 2.2.1人工智能 2.2.2深度学习 2.2.3数据科学 2.2.4大数据 2.2.5分类图 …… |