电子书:《机器学习之路――Caffe_Keras_scikit-learn实战》

[复制链接]
查看154 | 回复1 | 2019-12-28 10:38:41 | 显示全部楼层 |阅读模式

《机器学习之路――Caffe_Keras_scikit-learn实战》_1

《机器学习之路――Caffe_Keras_scikit-learn实战》_1

《机器学习之路――Caffe_Keras_scikit-learn实战》_2

《机器学习之路――Caffe_Keras_scikit-learn实战》_2

《机器学习之路――Caffe_Keras_scikit-learn实战》_3

《机器学习之路――Caffe_Keras_scikit-learn实战》_3


内容简介:

市器零习之路
Caffe、 Keras、 saiki- learn实战
布胥嘉幸编著
電子エ掌出版社
内容简介
机器学习需要一条脱离过高理论门槛的入门之路
本书《机器学习篇》从小红帽采菇的故事开篇,介绍了基础的机器学习分类模型的训练(第1章)
如何评估、调试模型?如何合理地发掘事物的特征?如何利用几个模型共同发挥作用?后续章节一步一步
讲述了如何优化模型,更好地完成分类预测任务(第2章),并且初步尝试将这些技术运用到金融股票交
易中(第3章)
自然界最好的非线性模型莫过于人类的大脑。《深度学习篇》从介绍并对比一些常见的深度学习框架
开始(第4章),讲解了DNN模型的直观原理,尝试给出一些简单的生物学解释,完成简单的图片识别任
务(第5章)。后续章节在此基础上,完成更为复杂的图片识别CNN模型(第6章)。接着,本书展示了
使用 Caffe完成一个完整的图片识别项目,从准备数据集,到完成识别任务(第7章)。后面简单描述了
RNN模型(第8章),接着展示了一个将深度学习技术落地到图片处理领域的项目(第9章)
本书适合能看懂 Python代码,对机器学习感兴趣,期望入门的读者
未经许可,不得以任何方式复制或抄表本书之部分或全部内容
版权所有,侵权必究。
机器学习之路:Cae、 Keras, scikit-leamn实战/阿布,背嘉幸编著.一北京:电子工业出版社,20178
ISBN978-7-121-32160-3
①机….①同…②骨…I.①机器学习V.①TP181
中guo版本图书馆CIP数据核字(2017)第165543号
責任编:安娜
印刷:三河市良远印务有限公司
装订;三河市良远印务有限公可
北京市海淀区万寿路173信箱邮编100036
开本:787x980116印张:20.5字数:405千字
版次:2017年8月第1版
印次:2017年8月第1次印届
定价:79.00
凡所购买电子工业出版社图书有缺损问题,请向购买书店调换。若书店售缺,请与本社发行部联系
联系及邮购电话010)88254888,8825888
质量投诉请发邮件至 zits phei. com.cn,盗版侵权举报请发邮件至 dbqqa phei com.cn
本书咨询联系方式:010-5126088-819,faq@phei.com.cn
前言
越来越多的人期待能挤进机器学习这一行业,这些人往往有一些编程和自学能力
但数学等基础理论能力不足。对于这些人群,从头开始学习概率统计等基础学科是痛苦的
如果直接上手使用机器学习工具往往又感到理解不足,缺少点什么。本书就是面向这一人
群,避过数学推导等复杂的理论推衍,介绍模型背后的一些简单直观的理解,以及如何上
手使用。本书希望能够得到这些人的喜爱
本书包含两部分:机器学习篇和深度学习篇
机器学习篇(1~3章)主要从零开始,介绍什么是数据特征,什么是机器学习模型
如何训练模型、调试模型,以及如何评估模型的成绩。通过一些简单的任务例子,讲解在
使用模型时如何分析并处理任务数据的特征,如何组合多个模型共同完成任务,并在第
章初步尝试将机器学习技术运用到股票交易中,重复熟悉这些技术的同时,感受机器学习
技术在落地到专业领域时常犯的错误
深度学习篇(4~9章)则主要介绍了一些很基础的深度学习模型,如DNN、CNN
等,简单涵盖了一些RNN的概念描述。我们更关注模型的直观原理和背后的生物学设计
理念,希望读者能够带着这些理解,直接上手应用深度学习框架
说一点关于阅读本书的建议。本书在编写时不关注模型技术的数学推导及严谨表述
转而关注其背后的直观原理理解。建议读者以互动执行代码的方式学习,所有示例使用
Ipython Notebook编写。读者可在Git上找到对应章节的内容,一步一步运行书中讲解的
知识点,直观感受每一步的执行效果。具体代码下載地址:htps:/ github. com/family/abu
本书适合有 Python编程能力的读者。如果读者有简单的数学基础,了解概率、矩阵
则更佳。使用过 Numpy、 pandas等数据处理工具的读者读起来也会更轻松,但这些都不
是必需的。如果读者缺乏 Python编程能力,或者希望进一步获得 Numpy、 pandas等工具
ki- - lear实战
使用相关的知识,可以关注公众号: abu quant,获得一些技术资料及文章
感谢出版社提供机会让我们编写本书,感谢编辑不辞辛苦地和我沟通排版等细节问
本书的完成同样需要感谢我们的几位朋友:吴汶(老虎美股)、刘兆丹(百度金融),
感谢你们在本书编写作过程中提供的有力支持。感谢本书的试读人员:蔡志威、李寅龙。
轻松注册成为博文视点社区用户(www.broadview.com.cn),扫码直达本书页面
提交勘误:您对书中内容的修改意见可在提交误处提交,若被采纳,将获
赠博文视点社区积分(在您购买电子书时,积分可用来抵扣相应金额)。
交流互动:在页面下方读者评论处留下您的疑问或观点,与我们和其他读者
同学习交流
页面入口:htp:/www.broadview.com.cn/32160
?
目录
第一篇机器学习篇
第1章初识机器学习
1.1机器学习赋予机器“学习”的灵魂
1.1.1小红帽识别毒磨菇
1.2三种机器学习问题
1.1.3常用符号
41回
.2KN一相似的邻居请投票
1.2.1模型原理
1.2.2鸢尾花弁数据集(IRIS)
1.2.3训练模型
2.5关于KNN
运用KNN模型
7回顺
3逻辑分类1:线性分类模型
3.1参数化的模型
1.3.,2理辑分类:预
1.3.3逻分类;评估
1.3.4逻分类;训练
4逻辑分类Ⅱ1线性分类模型
1.4.1寻找模型的权重

#############################################


回复

使用道具 举报

和风戏雨 | 2019-12-28 10:38:45 | 显示全部楼层


免费下载链接:需要下载诚通的客户端才能下载,点客户端下载就能下载客户端了




回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则