< >
建立智慧系統的概念、工具與技術“這是一本卓越的機器學習資源，有清楚、直觀的解說，以及大量實用技巧。”—François Chollet Keras作者，《Deep Learning with Python》作者 “這本書詳細介紹以神經網路解決問題的理論與做法；建議想要實際運用ML的人都要看這本書。”—Pete WardenTensorFlow行動主管深度學習經歷了一系列的突破之後，已經大幅推動了整個機器學習領域，如今，即使你對這項技術一無所知，也可以使用簡單、高效的工具，製作可從資料中學習的程式。這本暢銷書新版本使用具體的案例、精簡的理論，以及Python準生產框架，協助你直觀地認識智慧系統的概念與建構工具。你將學到可快速上手的技術，只要具備程式編寫經驗，就可以藉由各章的習題來學習。你可以在GitHub取得本書的所有程式碼，這些程式已經更新為TensorFlow 2，以及最新版的Scikit-Learn。‧使用Scikit-Learn與pandas，透過端對端專案建立機器學習基礎‧用TensorFlow 2建構與訓練許多神經網路架構，以進行分類及回歸‧探索物體偵測、語義分割、專注機制、語言模型、GAN等‧探索TensorFlow 2的官方高階API—Keras API‧使用TensorFlow的Data API、分散式策略API、TF Transform及TF-Serving將TensorFlow模型生產化‧在Google Cloud AI Platform或行動裝置上部署‧瞭解降維、分群及異常檢測等非監督學習技術‧用強化學習來建立自主學習代理程式(agent)，包括使用TF-Agents程式庫
Aurélien Géron 是機器學習顧問和教練。曾經在Google任職，在2013年至2016年是YouTube的影片分類團隊主管。他也是Wifirst創辦人(法國無線網際網路服務龍頭供應商)暨CTO(2002~2012)。
前言【第一部分 機器學習基本知識】chapter 01 機器學習領域chapter 02 端對端機器學習專案chapter 03 分類chapter 04 訓練模型chapter 05 支援向量機chapter 06 決策樹chapter 07 整體學習與隨機森林chapter 08 降維chapter 09 無監督學習技術【第二部分 神經網路與深度學習】chapter 10 以 Keras 介紹人工神經網路chapter 11 訓練深度神經網路chapter 12 用 TensorFlow 來自製模型和進行訓練chapter 13 使用 TensorFlow 來載入和預先處理資料chapter 14 使用摺積神經網路來製作深度電腦視覺chapter 15 使用 RNN 和 CNN 來處理序列chapter 16 用 RNN 與 Attention 處理自然語言chapter 17 使用自動編碼網路與 GAN 來進行表徵學習與生成學習chapter 18 強化學習chapter 19 大規模訓練與部署 TensorFlow 模型附錄 A 習題解答附錄 B 機器學習專案檢核表附錄 C SVM 對偶問題附錄 D Autodiff附錄 E 其他流行的 ANN 結構附錄 F 特殊資料結構附錄 G TensorFlow 圖索引
非監督式學習｜使用Python 深度學習｜生命科學應用 Python資料分析 第二版
購買紙本書