總金額: 會員:NT$ 0 非會員:NT$ 0 
(此金額尚未加上運費)
 
 
 
 
Python+Tensorflow機器學習實戰(配件另行下載)
 作  者: 李鷗
 出版單位: 清華大學
 出版日期: 2019.06
 進貨日期: 2019/7/25
 ISBN: 9787302522607
 開  本: 16 開    
 定  價: 593
 售  價: 474
  會 員 價: 435
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:

很系統:講解19種機器學習經典演算法,依次擊破重難點
很圖示:書中包括113張圖解說明,方便讀者理解
很實用:囊括文本識別、語音辨識、圖形識別、人臉認識等
很實戰:31個實例、13個案例,詳解TensorFlow機器學習


內容簡介:

《Python TensorFlow機器學習實戰》通過開發實例和專案案例,詳細介紹TensorFlow開發所涉及的主要內容。書中的每個知識點都通過實例進行通俗易懂的講解,便於讀者輕鬆掌握有關TensorFlow開發的內容和技巧,並能夠得心應手地使用TensorFlow進行開發。 《Python TensorFlow機器學習實戰》內容共分為11章,首先介紹TensorFlow的基本知識,通過實例逐步深入地講解線性回歸、支援向量機、神經網路演算法和無監督學習等常見的機器學習演算法模型。然後通過TensorFlow在自然語言文本處理、語音辨識、圖形識別和人臉識別等方面的成功應用講解TensorFlow的實際開發過程。 《Python TensorFlow機器學習實戰》適合有一定Python基礎的工程師閱讀;對於有一定基礎的讀者,可通過《Python TensorFlow機器學習實戰》快速地將TensorFlow應用到實際開發中;對於高等院校的學生和培訓機構的學員,《Python TensorFlow機器學習實戰》也是入門和實踐機器學習的優秀教材。 《Python TensorFlow機器學習實戰》對應的電子課件和實例原始程式碼可以到http://www.tupwk.com.cn/downpage下載,也可通過掃描前言


作者簡介:

李鷗,電腦科學碩士,曾就職支付寶,現任職某央企研究院。致力於人工智慧的研究,對機器學習的原理、開發框架及其在不同場景中的應用有濃烈興趣,在圖形識別、文本識別、語音辨識、資料採擷方面有豐富實踐經驗,參與基於機器學習的用戶行為分析及某省部級專案研究。


圖書目錄:

第1章 機器學習概述
1.1 人工智慧 1
1.2 機器學習 2
1.2.1 機器學習的發展 2
1.2.2 機器學習的分類 3
1.2.3 機器學習的經典演算法 4
1.2.4 機器學習入門 6
1.3 TensorFlow簡介 6
1.3.1 主流框架的對比 7
1.3.2 TensorFlow的發展 9
1.3.3 使用TensorFlow的公司 10
1.4 TensorFlow環境準備 10
1.4.1 Windows環境 11
1.4.2 Linux環境 21
1.4.3 Mac OS環境 22
1.5 常用的協力廠商模組 22
1.6 本章小結 23
第2章 TensorFlow基礎
2.1 TensorFlow基礎框架 24
2.1.1 系統框架 24
2.1.2 系統的特性 26
2.1.3 程式設計模型 27
2.1.4 程式設計特點 28
2.2 TensorFlow原始程式碼結構分析 30
2.2.1 原始程式碼下載 30
2.2.2 TensorFlow目錄結構 30
2.2.3 重點目錄 31
2.3 TensorFlow基本概念 33
2.3.1 Tensor 33
2.3.2 Variable 34
2.3.3 Placeholder 35
2.3.4 Session 36
2.3.5 Operation 36
2.3.6 Queue 37
2.3.7 QueueRunner 38
2.3.8 Coordinator 39
2.4 第一個TensorFlow示例 40
2.4.1 典型應用 41
2.4.2 運行TensorFlow示例 43
2.5 TensorBoard視覺化 45
2.5.1 SCALARS面板 45
2.5.2 GRAPHS面板 47
2.5.3 IMAGES面板 48
2.5.4 AUDIO面板 49
2.5.5 DISTRIBUTIONS面板 49
2.5.6 HISTOGRAMS面板 49
2.5.7 PROJECTOR面板 50
2.6 本章小結 50
第3章 TensorFlow進階
3.1 載入數據 51
3.1.1 預載入數據 51
3.1.2 填充資料 51
3.1.3 從CSV檔讀取資料 52
3.1.4 讀取TFRecords資料 54
3.2 存儲和載入模型 58
3.2.1 存儲模型 58
3.2.2 載入模型 59
3.3 評估和優化模型 60
3.3.1 評估指標的介紹與使用 60
3.3.2 模型調優的主要方法 61
3.4 本章小結 63
第4章 線性模型
4.1 常見的線性模型 64
4.2 一元線性回歸 65
4.2.1 生成訓練資料 65
4.2.2 定義訓練模型 66
4.2.3 進行資料訓練 66
4.2.4 運行總結 67
4.3 多元線性回歸 68
4.3.1 二元線性回歸演算法簡介 68
4.3.2 生成訓練資料 69
4.3.3 定義訓練模型 70
4.3.4 進行資料訓練 70
4.3.5 運行總結 70
4.4 邏輯回歸 71
4.4.1 邏輯回歸演算法簡介 71
4.4.2 生成訓練資料 73
4.4.3 定義訓練模型 74
4.4.4 進行資料訓練 74
4.4.5 運行總結 75
4.5 本章小結 76
第5章 支持向量機
5.1 支持向量機簡介 77
5.1.1 SVM基本型 77
5.1.2 SVM核函數簡介 79
5.2 擬合線性回歸 80
5.2.1 生成訓練資料 80
5.2.2 定義訓練模型 81
5.2.3 進行資料訓練 81
5.2.4 運行總結 82
5.3 擬合邏輯回歸 83
5.3.1 生成訓練資料 83
5.3.2 定義訓練模型 84
5.3.3 進行資料訓練 85
5.3.4 運行總結 86
5.4 非線性二值分類 87
5.4.1 生成訓練資料 87
5.4.2 定義訓練模型 88
5.4.3 進行資料訓練 89
5.4.4 運行總結 89
5.5 非線性多類分類 91
5.5.1 生成訓練資料 91
5.5.2 定義訓練模型 92
5.5.3 進行資料訓練 93
5.5.4 運行總結 94
5.6 本章小結 95
第6章 神經網路
6.1 神經網路簡介 96
6.1.1 神經元模型 97
6.1.2 神經網路層 100
6.2 擬合線性回歸問題 102
6.2.1 生成訓練資料 102
6.2.2 定義神經網路模型 102
6.2.3 進行資料訓練 103
6.2.4 運行總結 104
6.3 MNIST資料集 104
6.3.1 MNIST資料集簡介 105
6.3.2 資料集圖片檔 105
6.3.3 資料集標記檔 106
6.4 全連接神經網路 106
6.4.1 載入MNIST訓練資料 106
6.4.2 構建神經網路模型 107
6.4.3 進行資料訓練 108
6.4.4 評估模型 109
6.4.5 構建多層神經網路模型 110
6.4.6 視覺化多層神經網路模型 111
6.5 卷積神經網路 113
6.5.1 卷積神經網路簡介 114
6.5.2 卷積層 115
6.5.3 池化層 119
6.5.4 全連接神經網路層 121
6.5.5 卷積神經網路的發展 121
6.6 通過卷積神經網路處理MNIST 122
6.6.1 載入MNIST訓練資料 122
6.6.2 構建卷積神經網路模型 123
6.6.3 進行資料訓練 127
6.6.4 評估模型 127
6.7 迴圈神經網路 128
6.7.1 迴圈神經網路簡介 128
6.7.2 基本迴圈神經網路 129
6.7.3 長短期記憶網路 131
6.7.4 雙向迴圈神經網路簡介 134
6.8 通過迴圈神經網路處理MNIST 135
6.8.1 載入MNIST訓練資料 136
6.8.2 構建神經網路模型 136
6.8.3 進行資料訓練及評估模型 137
6.9 遞迴神經網路 138
6.9.1 遞迴神經網路簡介 138
6.9.2 遞迴神經網路的應用 139
6.10 本章小結 140
第7章 無監督學習
7.1 無監督學習簡介 141
7.1.1 聚類模型 141
7.1.2 自編碼網路模型 142
7.2 K均值聚類 142
7.2.1 K均值聚類演算法簡介 142
7.2.2 K均值聚類演算法實踐 144
7.3 自編碼網路 147
7.3.1 自編碼網路簡介 147
7.3.2 自編碼網路實踐 148
7.4 本章小結 151
第8章 自然語言文本處理
8.1 自然語言文本處理簡介 152
8.1.1 處理模型的選擇 152
8.1.2 文本映射 153
8.1.3 TensorFlow文本處理的一般步驟 156
8.2 學寫唐詩 157
8.2.1 資料預處理 157
8.2.2 生成訓練模型 158
8.2.3 評估模型 160
8.3 智能影評分類 163
8.3.1 CBOW嵌套模型 163
8.3.2 構建影評分類模型 167
8.3.3 訓練評估影評分類模型 169
8.4 智慧聊天機器人 170
8.4.1 Attention機制的Seq2Seq模型 170
8.4.2 資料預處理 173
8.4.3 構建智慧聊天機器人模型 174
8.4.4 訓練模型 177
8.4.5 評估模型 179
8.5 本章小結 180
第9章 語音處理
9.1 語音處理簡介 181
9.1.1 語音辨識模型 181
9.1.2 語音合成模型 183
9.2 聽懂數位 183
9.2.1 資料預處理 184
9.2.2 構建識別模型 185
9.2.3 訓練模型 185
9.2.4 評估模型 185
9.3 聽懂中文 185
9.3.1 資料預處理 186
9.3.2 構建識別模型 188
9.3.3 訓練模型 191
9.3.4 評估模型 191
9.4 語音合成 192
9.4.1 Tacotron模型 192
9.4.2 編碼器模組193
9.4.3 解碼器模組 196
9.4.4 後處理模組 197
9.5 本章小結 197
第10章 影像處理
10.1 機器學習的影像處理簡介 198
10.1.1 圖像修復 198
10.1.2 圖像物體識別與檢測 199
10.1.3 圖像問答 201
10.2 圖像物體識別 201
10.2.1 資料預處理 201
10.2.2 生成訓練模型 203
10.2.3 訓練模型 205
10.2.4 評估模型 206
10.3 圖片驗證碼識別 208
10.3.1 驗證碼的生成 208
10.3.2 資料預處理 209
10.3.3 生成訓練模型 211
10.3.4 訓練模型 212
10.3.5 評估模型 213
10.4 圖像物體檢測 214
10.4.1 物體檢測系統 214
10.4.2 物體檢測系統實踐 215
10.5 看圖說話 217
10.5.1 看圖說話原理 218
10.5.2 看圖說話模型的構建 218
10.5.3 看圖說話模型的訓練 220
10.5.4 評估模型 221
10.6 本章小結 222
第11章 人臉識別
11.1 人臉識別簡介 223
11.1.1 人臉圖像採集 223
11.1.2 人臉檢測 224
11.1.3 人臉圖像預處理 224
11.1.4 人臉關鍵點檢測 224
11.1.5 人臉特徵提取 224
11.1.6 人臉比對 225
11.1.7 人臉屬性檢測 225
11.2 人臉驗證 225
11.2.1 資料預處理 226
11.2.2 運行FaceNet模型 226
11.2.3 實現人臉驗證 229
11.3 性別和年齡的識別 231
11.3.1 Adience資料集 231
11.3.2 資料預處理 232
11.3.3 生成訓練模型 233
11.3.4 訓練模型 235
11.3.5 評估模型 236
11.4 本章小結 237


章節試讀:

2016年3月,穀歌公司的AlphaGo與職業九段棋手李世石進行了圍棋人機大戰,最終AlphaGo以4比1的總比分獲勝,這引起了全球對人工智慧的熱議。同時,百度推出的無人駕駛,科大訊飛推出的“語音辨識”,以及高鐵進站的人臉識別的廣泛應用,將機器學習轉變為資訊科技企業的研究與應用的常見內容,這也讓我們的日常生活更為便捷。
其實,機器學習已經走過符號主義時代、概率論時代、聯結主義時代,從最初的僅是專家研究的數學理論、經典演算法,逐步發展並蛻變為可以為大部分項目直接使用的平臺框架。
2015年11月9日,穀歌在GitHub上開源了TensorFlow框架,該框架是穀歌的機器學習框架,具有高度的靈活性和可攜性。在TensorFlow中,將各種經典演算法特別是神經網路模型組織成一個平臺,能夠讓我們更便捷地在目標領域實踐機器學習演算法。
TensorFlow作為最流行的機器學習框架之一,具有對Python語言的良好支援,這有效降低了進行機器學習開發的門檻,讓更多的工程師能夠以低成本投身到人工智慧的浪潮中。TensorFlow框架能夠支援CPU、GPU或Google TPU等硬體環境,讓機器學習能夠便捷地移植到各種環境中。
《Python TensorFlow機器學習實戰》將全面闡述TensorFlow機器學習框架的原理、概念,詳細講解線性回歸、支援向量機、神經網路演算法和無監督學習等常見的機器學習演算法模型,並通過TensorFlow在自然語言文本處理、語音辨識、圖形識別和人臉識別等方面的成功應用來講解TensorFlow的實際開發過程。《Python TensorFlow機器學習實戰》在語言上力求幽默直白、輕鬆活潑,避免雲山霧罩、晦澀難懂。在講解形式上圖文並茂,由淺入深,抽絲剝繭。通過閱讀《Python TensorFlow機器學習實戰》,讀者可以少走很多彎路,快速上手TensorFlow開發。
《Python TensorFlow機器學習實戰》特色
1. 內容豐富、全面
全書內容共分11章,從機器學習概述到TensorFlow基礎,再到實際應用,內容幾乎涵蓋TensorFlow開發的所有方面。
2. 實例豐富、案例典型、實用性強
《Python TensorFlow機器學習實戰》對每一個知識點都以實際應用的形式進行講解,幫助讀者理解和掌握相關的開發技術。《Python TensorFlow機器學習實戰》還在最後提供了TensorFlow在圖形識別、文本識別和語音辨識等方面成功應用的實例,?明讀者提高實戰水準。
3. 緊跟技術趨勢
《Python TensorFlow機器學習實戰》針對目前發佈的TensorFlow的常用版本1.3進行講解,並涉及1.6版本的變化,摒棄了以前版本中不再使用的功能,以適應技術的發展趨勢。
4. 舉一反三
《Python TensorFlow機器學習實戰》寫作由淺入深、從易到難,並注意知識點之間的聯繫,讓讀者掌握一個知識點後,能夠觸類旁通、舉一反三,編寫相應的代碼。
《Python TensorFlow機器學習實戰》內容及體系結構
第1章簡單講述機器學習的發展、分類以及經典演算法,介紹TensorFlow的發展和優勢,並詳細介紹不同作業系統環境下TensorFlow開發環境的準備過程。
第2章講解TensorFlow的基礎知識,包括基礎框架、原始程式碼結構、基礎概念,並通過運行一個官方示例展示了視覺化的調試。
第3章講解TensorFlow在實際進行機器學習時的載入訓練資料、構建訓練模型、進行資料訓練、評估和預測四大步驟中常用的方法和技巧。
第4章詳細講解機器學習演算法中最基礎的線性模型:回歸模型和邏輯回歸模型。
第5章講解TensorFlow中支援向量機演算法的基本原理及核函數,並使用SVM完成線性回歸擬合、邏輯回歸分類以及非線性資料分類等。
第6章對神經網路模型進行詳細介紹,講解神經元模型、神經網路層等基本原理,並講解全連接神經網路、卷積神經網路和迴圈神經網路等主要神經網路的原理與計算過程,並在TensorFlow中使用具體案例講解通用神經網路層的構建、卷積層的使用、池化層的使用、迴圈神經元的構建以及損失函數的選擇等。
第7章主要介紹無監督學習的概念和經典演算法。
第8章講解TensorFlow在自然語言文本處理中的應用,如學寫唐詩、影評分類以及智慧聊天機器人等。
第9章講解TensorFlow在語音處理方面的應用,如聽懂數位、聽懂中文以及語音合成等。
第10章講解TensorFlow在影像處理方面的應用,如影像處理中的物體識別與檢測、圖像描述。
第11章講解TensorFlow在人臉識別方面的應用,介紹人臉識別的原理和分類、人臉比對以及從人臉判別性別和年齡。
《Python TensorFlow機器學習實戰》讀者對象
? 初中級程式師。
? 高等院校師生。
? 培訓機構學員。
? 希望使用機器學習的工程師。
致謝
在《Python TensorFlow機器學習實戰》的成稿過程中,熊諾亞對書稿的完整性和系統性提出了寶貴的意見,在此,特別表示感謝。
《Python TensorFlow機器學習實戰》對應的電子課件和實例原始程式碼可以到http://www.tupwk.com.cn/downpage下載,也可通過掃描下方的二維碼下載。
編著者


圖片預覽:

 
  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。