總金額: 會員:NT$ 0 非會員:NT$ 0 
(此金額尚未加上運費)
電子電信技術 電腦技術 自動化基礎理論
 
 
 
 
TensorFlow機器學習項目開發實戰
 作  者: (印)安奇特•簡恩
 出版單位: 清華大學
 出版日期: 2019.09
 進貨日期: 2019/11/13
 ISBN: 9787302535546
 開  本: 16 開    
 定  價: 668
 售  價: 534
  會 員 價: 490
推到Facebook 推到Plurk 推到Twitter
前往新書區 書籍介紹 購物流程  
 
編輯推薦:

TensorFlow 改變了機器學習的應用方式。本書告訴開發人員如何利用 TensorFlow 在各種實際專案中的優勢—簡單性、高效性和靈活性。在本書的幫助下,開發人員不僅可以學習如何使用不同的資料集構建高級項目,還可以使用 TensorFlow 生態系統中的一系列庫來解決常見問題。


內容簡介:

《TensorFlow機器學習專案開發實戰》詳細闡述了與TensorFlow專案開發相關的基本解決方案,主要包括TensorFlow和機器學習概述、利用機器學習探測外太空中的系外行星、情感分析、數位分類、語音到文本的轉換、預測股票價格、信用卡欺詐檢測、貝葉斯深度學習、圖像匹配和分類、推薦系統、大規模物件檢測、生成圖書腳本、深度強化學習與遊戲、部署機器學習模型等內容。
  此外,《TensorFlow機器學習專案開發實戰》還提供了相應的示例、代碼,以幫助讀者進一步理解相關方案的實現過程。
  《TensorFlow機器學習專案開發實戰》既可作為高等院校電腦及相關專業的教材和教學參考書,也可作為相關開發人員的自學教材和參考手冊。


圖書目錄:

第1章 TensorFlow和機器學習概述
1.1 關於TensorFlow
1.2 TensorFlow核心API
1.3 計算圖
1.4 機器學習、分類和邏輯回歸
1.5 使用TensorFlow進行邏輯回歸
1.6 使用Keras進行邏輯回歸
1.7 小結
1.8 問題
1.9 延伸閱讀

第2章 利用機器學習探測外太空中的系外行星
2.1 關於決策樹
2.2 集成學習的必要性
2.3 基於決策樹的集成方法
2.4 TensorFlow中基於決策樹的集成
2.5 探測外太空的系外行星
2.6 建立用於系外行星探測的TFBT模型
2.7 小結
2.8 問題
2.9 延伸閱讀

第3章 使用TensorFlow.js在流覽器中進行情感分析
3.1 理解TensorFlow.js
3.2 理解Adam優化
3.3 理解分類交叉熵損失
3.4 理解單詞嵌入
3.5 構建情感分析模型
3.6 使用TensorFlow.js在流覽器中運行模型
3.7 小結
3.8 問題

第4章 使用TensorFlowLite進行數位分類
4.1 關於TensorFlowLite
4.2 分類模型評估指標
4.3 使用TensorFlowLite對數位進行分類
4.4 小結
4.5 問題

第5章 使用NLP進行從語音到文本的轉換和主題的提取
5.1 關於Speech-to-Text框架和工具包
5.2 Google語音命令資料集
5.3 神經網路架構
5.4 訓練模型
5.5 小結
5.6 問題
5.7 延伸閱讀

第6章 使用高斯過程回歸預測股票價格
6.1 理解貝葉斯規則
6.2 貝葉斯推理
6.3 高斯過程
6.4 將高斯過程應用於股市預測
6.5 創建股票價格預測模型
6.6 理解獲得的結果
6.7 小結
6.8 問題

第7章 使用自動編碼器進行信用卡欺詐檢測
7.1 理解自動編碼器
7.2 構建欺詐檢測模型
7.3 小結
7.4 問題
……

第8章 使用貝葉斯神經網路生成交通標誌分類器中的不確定性
第9章 使用DiscoGAN從鞋子圖像生成匹配的手提包圖像
第10章 使用膠囊網路對服裝圖像進行分類
第11章 使用TensorFlow製作商品推薦系統
第12章 使用TensorFlow進行大規模的物件檢測
第13章 使用LSTM生成圖書腳本
第14章 使用深度強化學習玩《吃豆人》遊戲
第15章 在生產環境中部署機器學習模型


章節試讀:

前 言

TensorFlow 改變了機器學習的應用方式。本書告訴開發人員如何利用 TensorFlow 在各種實際專案中的優勢—簡單性、高效性和靈活性。在本書的幫助下,開發人員不僅可以學習如何使用不同的資料集構建高級項目,還可以使用 TensorFlow 生態系統中的一系列庫來解決常見問題。

首先,開發人員將瞭解如何使用 TensorFlow 進行機器學習專案。我們將介紹使用 TensorForest 和 TensorBoard 檢測系外行星、使用 TensorFlow.js 進行情感分析、使用 TensorFlow Lite 進行數位分類等專案。

當開發人員閱讀本書時,將可以在各種現實領域中構建專案,包括自然語言處理(Natural Language Processing,NLP)、高斯過程(Gaussian Process)、自動編碼器(Autoencoder)、推薦系統(Recommender System)、貝葉斯神經網路(Bayesian Neural Network)、生成對抗網路(Generative Adversarial Network,GAN)、膠囊網路(Capsule Network)和強化學習(Reinforcement Learning)等。開發人員將學習如何與 Spark API 一起使用 TensorFlow,並使用 TensorFlow 探索 GPU 加速計算以檢測物件,然後瞭解如何訓練和開發迴圈神經網路(Recurrent Neural Network,RNN)模型以生成圖書腳本。

到本書結束時,開發人員將獲得較為全面的 TensorFlow 和機器學習專業知識,足以在工作中構建成熟的機器學習專案。

本書適合的讀者

如果你是具有 TensorFlow 基礎知識的資料分析師、資料科學家、機器學習專業人員或深度學習愛好者,那麼本書非常適合你。如果你想使用監督學習、無監督學習和強化學習技術在機器學習領域中構建端到端項目,那麼本書也適合你。

本書內容綜述

本書共分 15 章,各章內容分述如下。

第 1 章“TensorFlow 和機器學習概述”,闡述了 TensorFlow 的基礎知識,並使用邏輯回歸構建了一個機器學習模型來對手寫數位進行分類。

第 2 章“利用機器學習探測外太空中的系外行星”,介紹了如何使用基於決策樹的集合方法探測外太空中的系外行星。

第 3 章 “使用 TensorFlow.js 在流覽器中進行情感分析”,闡述了如何使用 TensorFlow.js 在 Web 流覽器上訓練和構建模型。本章將建立一種使用電影評論資料集的情感分析模型,並將其部署到 Web 流覽器以進行預測。

第 4 章“使用 TensorFlow Lite 進行數字分類”,重點是構建一個深度學習模型,用於對手寫數位進行分類,並使用 TensorFlow Lite 將其轉換為適合移動設備的格式。本章還介紹了 TensorFlow Lite 的架構以及如何使用 TensorBoard 視覺化神經網路。

第 5 章“使用 NLP 進行從語音到文本的轉換和主題的提取”,重點是通過在 TensorFlow 中使用 Google Speech Command 資料集瞭解 Google 的 Speech-to-Text 框架和預建模型的各種選項。

第 6 章“使用高斯過程回歸預測股票價格”,解釋了貝葉斯統計中一種被稱為高斯過程的流行預測模型。本章還將使用構建在 TensorFlow 之上的 GpFlow 庫中的高斯過程來開發股票價格預測模型。

第 7 章“使用自動編碼器進行信用卡欺詐檢測”,引入了一種被稱為自動編碼器的降維(Dimensionality Reduction)技術。本章將通過使用 TensorFlow 和 Keras 構建自動編碼器來識別信用卡資料集中的欺詐性交易。

第 8 章“使用貝葉斯神經網路生成交通標誌分類器中的不確定性”,解釋了貝葉斯神經網路,它可以?明開發人員量化預測中的不確定性。本章還將使用 TensorFlow 構建貝葉斯神經網路,以對德國交通標誌進行分類。

第 9 章“使用 DiscoGAN 從鞋子圖像生成匹配的手提包圖像”,引入了一種被稱為 Discovery GAN(DiscoGAN)的新型 GAN。開發人員將瞭解其架構與標準 GAN 的不同之處,以及它如何在風格遷移問題中使用。最後,本章在 TensorFlow 中構建了一個 DiscoGAN 模型,從鞋子圖像中生成匹配其風格的手提包圖像,或者反過來,從手提包圖像生成匹配其風格的鞋子圖像。

第 10 章“使用膠囊網路對服裝圖像進行分類”,實現了最新的圖像分類模型—膠囊網路。本章將討論其架構並解釋它在 TensorFlow 中實現的細微差別。最後,本章還使用了 Fashion MNIST 資料集和膠囊網路模型對服裝圖像進行分類。

第 11 章“使用 TensorFlow 製作商品推薦系統”,討論了使用 TensorFlow 推薦優質商品的技術,例如矩陣分解(SVD++)、學習排名和卷積神經網路變體等。

第 12 章“使用 TensorFlow 進行大規模的物件檢測”,探討了由 Yahoo!公司開發的 TensorFlowOnSpark 框架,它可以用於 Spark 集群上的分散式深度學習。開發人員將瞭解如何對大規模圖像資料集應用 TensorFlowOnSpark,並訓練網路以檢測物件。

第 13 章“使用 LSTM 生成圖書腳本”,解釋了為什麼 LSTM 在生成新文本時很有用。本章使用了某一本圖書中的文字腳本來創建基於 LSTM 的深度學習模型,該模型可以自己生成新的圖書腳本。

第 14 章“使用深度強化學習玩《吃豆人》遊戲”,解釋了使用強化學習來訓練模型玩《吃豆人》遊戲,並在這個過程中幫助開發人員理解強化學習。

第 15 章“在生產環境中部署機器學習模型”,介紹了 TensorFlow 生態系統的其他元件,這些元件對於在生產環境中部署模型非常有用。本章還介紹了各行業的人工智慧應用、深度學習的局限性以及人工智慧的道德規範等。

充分利用本書

要充分利用本書,請從 GitHub 存儲庫下載本書代碼,並使用 Jupyter Notebook 中的代碼進行練習。此外,還可以嘗試修改作者提供的實現。

下載示例代碼檔

讀者可訪問http://www.packtpub.com並通過個人帳戶下載示例代碼檔。另外,在http://www.packtpub.com/support中註冊成功後,我們將以電子郵件的方式將相關檔發與讀者。具體步驟如下。

(1)利用電子郵箱或密碼在我們的網站 www.packtpub.com 上登錄或註冊。

(2)選擇 SUPPORT(支援)選項卡。

(3)按一下 Code Downloads&Errata(代碼下載和勘誤表)。

(4)在 Search(搜索)框中輸入圖書名稱 TensorFlow Machine Learning Projects,然後按螢幕提示操作。

下載檔案後,請確保使用以下最新版本軟體解壓縮或解壓縮檔夾:

? WinRAR/7-Zip(Windows 系統)。

? Zipeg/iZip/UnRarX(Mac 系統)。

? 7-Zip/PeaZip(Linux 系統)。

本書的代碼包已經在 GitHub 上託管,網址為 https://github.com/PacktPublishing/TensorFlow-Machine-Learning-Projects。

此外,讀者也可訪問https://github.com/PacktPublishing/以瞭解豐富的代碼和視頻資源。

最後讀者還可訪問https://www.packtpub.com/sites/default/files/downloads/9781789132212_ColorImages.pdf以下載並查看書中的彩色圖像。

本書約定

本書包含許多區分不同類型資訊的文本樣式,以下是一些示例及其含義的解釋。

(1)CodeInText:表示文本中的代碼字、資料庫表名、資料夾名、檔案名、檔副檔名、路徑名、虛擬 URL、用戶輸入和 Twitter 控制碼等。以下段落就是一個示例。

接下來實現一個函數 freeze_sesssion,它將採用 TensorFlow 會話作為輸入,將所有變數轉換為常量,並返回凍結的圖。執行此函數後,開發人員將在/logs/freeze 資料夾中獲取一個名為 MNIST_model.pb 的凍結圖文件。

(2)代碼塊顯示如下:

tf.constant(

value,

dtype=None,

shape=None,

name=‘const_name‘,

verify_shape=False

)

(3)任何命令列輸入或輸出都採用如下所示的粗體代碼形式:

const1 (x): Tensor("x:0", shape=(), dtype=int32)

const2 (y): Tensor("y:0", shape=(), dtype=float32)

const3 (z): Tensor("z:0", shape=(), dtype=float16)

(4)新術語和重要單詞以粗體顯示,並提供了如下所示的中英文對照的形式。

隨著硬體的創新,許多公司也在開發針對神經網路推理進行優化的 GPU 和數位訊號處理器(Digital Signal Processor,DSP)。TensorFlow Lite 提供 Android 神經網路 API,可以在這些設備上執行硬體加速。

該圖示旁邊的文字表示警告或重要的資訊。

該圖示旁邊的文字表示提示或技巧。

關於作者

Ankit Jain 目前在美國優步公司的機器學習研究部門 Uber AI Labs 擔任高級研究員。他的工作主要涉及將深度學習方法應用於從預測到食品交付、再到自動駕駛汽車等各類需要。在此之前,他曾在美國銀行、Facebook 和其他初創企業擔任過各種資料科學方面的職務。他曾在許多頂級人工智慧會議和大學擔任特邀發言人,包括加州大學伯克利分校、O’Reilly AI 會議等。他對教學非常感興趣,並通過各種初創企業和訓練營為超過 500 名 AI 學生提供了指導。他在加州大學伯克利分校獲得碩士學位,在印度孟買理工學院獲得學士學位。

“非常感謝 Packt 團隊讓我有機會分享我的知識。特別感謝 Rhea Henriques 的真知灼見和優秀的編輯能力。最後,我還要感謝合著者 Armando 和 Amita 的建議,以及組稿編輯 Varsha Shetty,正是她激勵我寫完這本書。”

Armando Fandango 利用他在深度學習、機器學習、分散式運算和計算方法方面的專業知識,創造了很多卓越的 AI 產品,並在多家初創公司和大型企業擔任首席資料科學家和董事的職務。他一直在為基於 AI 的高科技創業公司提供諮詢服務。Armando 撰寫了 Python Data Analysis-Second Edition 和 Mastering TensorFlow 等多本書籍。他還在國際期刊和會議上發表了研究成果。

“非常感謝 Rhea Henriques 努力讓本書以最高品質出版,並與所有作者密切合作。我很感激 Amita 和 Ankit 分享他們的經驗和知識。”

Amita Kapoor 是德里大學 SRCASW 電子系副教授。她講授神經網路課程已有二十年之久。在攻讀博士學位期間,她獲得了著名的 DAAD 獎學金,這使她能夠在德國卡爾斯魯厄(Karlsruhe)理工學院完成部分研究工作。她在 2008 年國際光子學大會上被授予最佳演講獎。作為 ACM、IEEE、INNS 和 ISBS 的成員,她在國際期刊和會議上發表了 40 多篇論文。她的研究領域包括機器學習、人工智慧、神經網路、機器人技術以及人工智慧中的倫理道德。她與 Packt Publishing 合作出版了 TensorFlow 1.x Deep Learning Cookbook 一書。

“特別感謝 Narotam Singh,如果沒有他幫助建立群組,我就不可能完成這本書。真誠感謝校長 Payal 博士、Richa 女士、Punita 博士和 Deepali 女士。感謝 Armando 和 Ankit 分享他們的見解。也感謝 Packt 的團隊,特別感謝 Manthan Patel 讓我參與這個項目,並感謝 Rhea Henriques 的支持。”

關於審稿者

Sujit Pal 是 Reed-Elsevier 集團旗下 Elsevier Labs 的技術研究主管,他的興趣領域包括語義搜索、自然語言處理、機器學習和深度學習。在 Elsevier,他參與了多項計畫,包括搜索品質測量和改進、圖像分類和重複檢測,以及醫學和科學語料庫的注釋和本體開發。他與 Antonio Gulli 共同撰寫了一本關於深度學習的書,並在他的博客 Salmon Run 上撰寫了大量相關技術的文章。

Meng-Chieh Ling 擁有卡爾斯魯厄理工學院的理論物理學博士學位元。在獲得博士學位後,他加入了慕尼克的 The Data Incubator Reply,後來成為達姆施塔特 AGT 國際實習生。六個月後,他被提升為高級資料科學家,目前在娛樂領域工作。

 
  步驟一.
依據網路上的圖書,挑選你所需要的書籍,根據以下步驟進行訂購
選擇產品及數量 結 帳 輸入基本資料 取貨與付款方式
┌───────────────────────────────────────────────────┘
資料確定 確認結帳 訂單編號    

步驟二.
完成付款的程序後,若採用貨到付款等宅配方式,3~7天內 ( 例假日將延期一至兩天 ) 您即可收到圖書。若至分店門市取貨,一週內聯絡取書。

步驟三.
完成購書程序者,可利用 訂單查詢 得知訂單進度。

注意事項.
● 付款方式若為網路刷卡必須等" 2 ~ 3 個工作天"確認款項已收到,才會出貨.如有更改書籍數量請記得按更新購物車,謝謝。

● 大陸出版品封面老舊、磨痕、凹痕等均屬常態,除封面破損、內頁脫落...等較嚴重的狀態外,其餘所有商品將正常出貨。

● 至2018年起,因中國大陸環保政策,部分書籍配件以QR CODE取代光盤音頻mp3或dvd,已無提供實體光盤。如需使用學習配件,請掃描QR CODE 連結至當地網站註冊並通過驗證程序,方可下載使用。造成不便,敬請見諒。

● 我們將保留所有商品出貨權利,如遇缺書情形,訂單未達免運門檻運費需自行負擔。

預訂海外庫存.
商品到貨時間須4週,訂單書籍備齊後方能出貨,如果您有急用書籍,建議與【預訂海外庫存】商品分開訂購。