基本信息  

书名：	TensorFlow机器学习
作者：	[美]克里斯·马特曼
出版社：	机械工业出版社
出版日期：	2021-05-01
版次：	1
ISBN：	9787111705772
市场价：	129.0

目录   译者序

序

前言

关于本书

致谢

部分机器学习基础

第1章开启机器学习之旅

1.1机器学基本原理

1.1.1参数

1.1.2学习和推理

1.2数据表示和特征

1.3度量距离

1.4机器学类型

1.4.1监督学习

1.4.2无监督学习

1.4.3强化学习

1.4.4元学习

1.5TensorFlow

1.6后续各章概述

小结

第2章TensorF知识

2.1确保TensorFlow工作正常

2.2表示张量

2.3创建运算

2.4在会话中执行运算

2.5将代码理解为图

2.6在Jupyter中编写代码

2.7使用变量

2.8保存和加载变量

2.9使用TensorBoard可视化数据

2.9.1实现移动平均

2.9.2可视化移动平均

2.10把所有综合到一起：TensorFlow系统架构和API

小结

部分核**习算法

第3章线回归及其他

3.1形式化表示

3.2线回归

3.3多项式模型

……

第三部分神经网络范式

附录安装说明

内容介绍   这是一本TensorFlow机器学习入门教程，书中通过大量实例，以浅显易懂、循序渐进的方式详细阐释使用Python和TensorFlow构建机器学核心技术与方法。本书既涵盖机器学习基础理论，又介绍了如何将机器学概念应用于现实世界的挑战（例如，情感分析、文本分类和图像识别）中，并通过实例展示了用于深度语音处理、面部识别以及使用CIFAR－10的自编码器的神经网络技术。全书共分为三部分。部分（～2章）讨论机器学基本原理及其当前被大规模应用的原因；部分（第3～10章）通过大量实例详细介绍回归算法和分类算法，涵盖回归、分类、无监督聚类和隐马尔可夫模型（HMM）等技术及应用；第三部分（第11～19章）主要介绍神经网络及其应用，涵盖使用隐藏层的自编码器压缩和表示输入、用于自动分类图像和面部识别的卷积神经网络（N）、用于时间序列数据或语音转文本的循环神经网络（RNN），以及seq2seqRNN架构等内容。 在线试读   媒体评论  

这本《TensorFlow机器学习（原书第2版）》教你如何使用TensorFlow库，快速构建出强大的机器学习模型，包括深度语音分类器，面部识别和CIFAR-10自动编码等。书中给出了一些玩法，让你可以直接开始构建自己的机器学习模型，而不需要太多的前置知识。如果你想了解更多关于机器学习的内容，这本书是一个不错的选择。