深度學習-模型、演算法優化與實戰 張洪朋 9787113306489 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：中國鐵道有限公司
物品所在地：中國大陸
原出版社：中國鐵道有限公司
NT$508
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202402*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：深度學習-模型、演算法優化與實戰 ISBN：9787113306489 出版社：中國鐵道有限公司 著編譯者：張洪朋 頁數：320 所在地：中國大陸 *此為代購商品 書號：1622097 可大量預訂，請先連絡。 內容簡介 本書循序漸進地講解了開發深度學習程序的核心知識，並通過具體實例演練了TensorFlow、Keras和Scikit-learn在深度學習方面的開發方法和流程。書中首先介紹了深度學習開發基礎，然後結合實例介紹了載入數據集、監督學習、無監督學習、模型選擇和評估、核心演算法、前饋神經網路、卷積神經網路的具體應用，最後講解了NBA季後賽預測分析系統開發、AI考勤管理系統開發、AI智能問答系統開發、AI聲音識別系統開發、鮮花識別系統開發、情感文本識別系統開發、實時電影推薦系統開發等內容。目錄 第1章 深度學習開發基礎1 1 人工智慧技術的興起 1 1 1 人工智慧介紹 1 1 2 人工智慧的研究領域 1 1 3 和人工智慧相關的幾個重要概念 1 1 4 人工智慧的兩個重要發展階段 1 2 機器學習和深度學習 1 2 1 機器學習 1 2 2 深度學習 1 2 3 機器學習和深度學習的區別 1 3 深度學習工具概覽 1 3 1 TensorFlow 1 3 2 Keras 1 3 3 Scikit-learn 第2章 載入數據集實戰 2 1 Scikit-learn內置的標準數據集API 2 1 1 波士頓房價數據集(適用於回歸任務) 2 1 2 威斯康星州乳腺癌數據集(適用於分類問題) 2 1 3 糖尿病數據集(適用於回歸任務) 2 1 4 手寫數字數據集(適用於分類任務) 2 1 5 Fisher的鳶尾花數據集(適用於分類問題) 2 1 6 紅酒數據集(適用於分類問題) 2 2 自定義數據集 2 2 1 生成聚類數據 2 2 2 生成同心圓樣本點 2 2 3 生成模擬分類數據集 2 2 4 生成太極型非凸集樣本點 2 3 使用if data處理數據集 2 3 1 製作數據集並訓練和評估 2 3 2 將tf data作為驗證數據集進行訓練 2 4 將模擬數據製作成內存對象數據集 2 4 1 可視化內存對象數據集 2 4 2 改進的方案 2 5 將圖片製作成數據集實戰 2 5 1 製作簡易圖片數據集 2 5 2 製作手勢識別數據集 第3章 監督學習實戰 3 1 廣義線性模型 3 1 1 普通最小二乘法 3 1 2 嶺回歸 3 1 3 Lasso回歸 3 2 線性和二次判別分析 3 2 1 使用線性判別分析來降維 3 2 2 Shrinkage(收縮) 3 3 支持向量機 3 3 1 分類 3 3 2 回歸 3 3 3 密度估計和異常(novelty)檢測 3 4 隨機梯度下降 3 4 1 分類 3 4 2 回歸 3 4 3 稀疏數據的隨機梯度下降 3 5 鄰近演算法 3 5 1 鄰近演算法基礎 3 5 2 無監督最近鄰 3 5 3 最近鄰分類 第4章 無監督學習實戰 4 1 高斯混合模型 4 1 1 使用sklearn mixture實現高斯混合 4 1 2 使用BayesianGaussianMixture實現變分貝葉斯高斯混合 4 2 流形學習 4 2 1 對數據進行隨機投影 4 2 2 Isomap演算法 4 3 聚類 4 3 1 K-Means聚類演算法 4 3 2 小批量K-Means演算法 4 4 雙聚類演算法 4 4 1 譜聚類演算法 4 4 2 光譜共聚類演算法 4 5 分解成分中的信號(矩陣分解問題) 4 5 1 使用PCA降維處理鳶尾花數據集 4 5 2 帶有預計算詞典的稀疏編碼 第5章 模型選擇和評估實戰 5 1 交叉驗證：評估模型的表現 5 1 1 訓練線性支持向量機 5 1 2 計算交叉驗證的指標 5 1 3 交叉驗證迭代器 5 2 調整估計器的超參數 5 2 1 網格追蹤法：窮盡的網格搜索 5 2 2 隨機參數優化 5 3 模型評估：量化預測的質量 5 3 1 得分參數scoring：定義模型評估規則 5 3 2 分類指標 5 4 驗證曲線：繪製分數以評估模型 5 4 1 繪製驗證曲線 5 4 2 繪製學習曲線 第6章 核心演算法實戰 6 1 線性回歸演算法操作 6 1 1 線性回歸介紹 6 1 2 使用Keras實現線性回歸模型 6 2 LogisticRegression演算法操作 6 2 1 LogisticRegression演算法介紹 6 2 2 信用卡欺詐數據 6 3 二元決策樹演算法 6 3 1 什麼是二元決策樹 6 3 2 選擇二元決策樹切割點 6 4 Bagging演算法 6 4 1 什麼是Bagging演算法 6 4 2 實現Bootstrap採樣 6 5 Boosting演算法 6 5 1 Boosting基礎 6 5 2 心絞痛ROC曲線檢測系統 6 6 隨機森林演算法 6 6 1 什麼是隨機森林 6 6 2 分析聲吶數據 6 7 k近鄰演算法操作 6 7 1 k近鄰演算法介紹 6 7 2 對服裝圖像進行分類 6 8 支持向量機(SVM)演算法操作 第7章 前饋神經網路實戰 7 1 人工神經網路概述 7 1 1 深度學習與神經網路概述 7 1 2 全連接層 7 1 3 使用TensorFlow創建神經網路模型 7 2 汽車油耗預測實戰(使用神經網路實現分類) 7 2 1 準備數據 7 2 2 創建網路模型 7 2 3 訓練、測試模型 第8章 卷積神經網路實戰 8 1 卷積神經網路基礎 8 1 1 發展背景 8 1 2 卷積神經網路基本結構 8 1 3 第一個卷積神經網路程序 8 2 使用卷積神經網路進行圖像分類 8 2 1 準備數據集 8 2 2 創建數據集 8 2 3 配置數據集 8 2 4 創建模型 8 2 5 編譯模型 8 2 6 訓練模型 8 2 7 可視化訓練結果 8 2 8 過擬合處理：數據增強 8 2 9 過擬合處理：將Dropout引入網路 8 2 10 重新編譯和訓練模型 8 2 11 預測新教據 第9章 開發NBA季後賽預測分析系統 9 1 NBA賽制介紹 9 2 項目介紹 9 3 機器學習和數據可 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
