內容簡介: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 Warden
TensorFlow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
目錄
章節說明: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
章節說明: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...
購物須知
退換貨說明：
會員均享有10天的商品猶豫期（含例假日）。若您欲辦理退換貨，請於取得該商品10日內寄回。
辦理退換貨時，請保持商品全新狀態與完整包裝（商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等）一併寄回。若退回商品無法回復原狀者，可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。
2024專利防護中