庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 whatsapp 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
二樓書籍分類
 
Python機器學習第三版(下)

Python機器學習第三版(下)

沒有庫存
訂購需時10-14天
9789864345199
Sebastian Raschka,Vahid Mirjalili
劉立民,吳建華
博碩
2020年10月06日
173.00  元
HK$ 138.4  






ISBN:9789864345199
  • 規格:平裝 / 320頁 / 17 x 23 x 1.65 cm / 普通級 / 單色印刷 / 三版
  • 出版地:台灣


  • >

















    第三版-最新修訂版,新增TensorFlow 2、GAN和強化學習等實用內容

    使用Python的scikit-learn和TensorFlow 2融會貫通機器學習與深度學習

    ?

      循序漸進、由淺入深,好評熱銷再進化!最新修訂的《Python機器學習第三版》是一本不容錯過的全方位指南,也是讀者在建立機器學習系統時的必備參考。有別於其他機器學習教科書,本書使用Python探求機器學習和深度學習的技術精髓,強調豐富實用的程式範例、條理分明的數學解釋,以及直覺友善的圖解說明,帶領讀者探索機器學習的眾多子領域,讓艱澀的概念栩栩如生。

    ?

      許多讀者告訴我們,他們非常喜歡本書第二版的前12章,因為它們全面介紹了機器學習與Python的科學計算。為了確保這些內容的相關性,我們依據讀者回饋,回顧並修改了這些章節,以支援最新版本的NumPy、SciPy、pandas、matplotlib和scikit-learn,並規劃成本書的上冊。而TensorFlow 2.0更是深度學習領域最振奮人心的事件之一,所有與TensorFlow有關的章節(第13章到第16章,規劃成本書的下冊)都進行了大幅度修改。除了介紹Keras API與scikit-learn的最新功能之外,本書也探討自然語言處理(NLP)的子領域「情緒分析」,以及強化學習(RL)和生成對抗網路(GAN)等時下最流行的AI技術(第17章和第18章)。

    ?

      無論你是有經驗的程式設計師,或是機器學習新手,或你只想進一步深入了解機器學習的最新發展,本書將是你在機器學習之旅中的絕佳良伴。

    ?

      在這本書中,你將學到:?

      ●掌握能讓機器從數據中「學習」的框架、模型和技術

      ●使用scikit-learn進行機器學習、使用TensorFlow進行深度學習

      ●利用機器學習來做影像分類、情緒分析與智慧Web應用程式

      ●訓練類神經網路、GAN與其它模型

      ●結合機器學習模型與Web應用程式

      ●為機器學習工作清理並準備數據

      ●用深度卷積類神經網路來分類影像

      ●了解評估和調校模型的最佳實作

      ●使用迴歸分析來預測連續目標

      ●利用「集群」來發掘數據中隱藏的模式與結構

      ●使用「情緒分析」深入研究文本和社群媒體數據

      ●上冊包含本書前12章,下冊則包含第13章到第18章。

    ?

      【下載範例程式檔案】

      本書的程式碼是由GitHub託管,可點選下面圖案前往下載:

      github.com/rasbt/python-machine-learning-book-3rd-edition

    ?

      【下載本書的彩色圖片】

      我們還提供您一個PDF檔案,其中包含本書使用的彩色圖表,可以在此下載:

      static.packt-cdn.com/downloads/9781789955750_ColorImages.pdf



     





    前言



    第13 章:使用TensorFlow來平行化類神經網路的訓練

    TensorFlow與訓練效能

    使用TensorFlow的第一步

    使用td.data來建立輸入管線-TensorFlow Dataset API

    在TensorFlow中建立NN模型

    為多層網路選擇啟動函數

    小結



    第14章:更深入地研究TensorFlow的運作機制

    TensorFlow的主要特點

    TensorFlow的計算圖:轉移到TensorFlow v2

    用來儲存與更新模型參數的TensorFlow變數物件

    利用自動微分和GradientTape來計算梯度

    透過Keras API簡化一般架構的實作

    TensorFlow估計器

    小結



    第15章:使用深度卷積類神經網路來做影像分類

    卷積類神經網路中的模塊

    把所有元件整合起來建立一個CNN

    以TensorFlow實作深度CNN

    以CNN對臉部圖片做性別分類

    小結



    第16章:以遞迴類神經網路來對循序數據建模

    循序數據簡介

    以RNN來對循序數據建模

    使用TensorFlow來實作多層RNN的序列建模

    使用變形模型了解語言

    小結



    第17章:使用生成對抗網路合成新數據

    生成對抗網路簡介

    從頭開始實作一個GAN

    使用卷積與Wasserstein GAN來改進合成影像的品質

    其他的GAN應用

    小結



    第18章:在複雜的環境中以強化學習來做決策

    簡介-從經驗中學習

    RL的理論基礎

    強化學習演算法

    實作我們的第一個RL演算法

    深度Q學習法簡介

    章節與本書總結




    其 他 著 作
    1. Python機器學習第三版(上)