新書推薦：
《
供应链金融（第4版）
》
售價：HK$
113.9
《
人人都想当网红？新媒体与注意力博弈
》
售價：HK$
78.2
《
君主、道学与宋王朝
》
售價：HK$
90.9
《
对话的力量，风靡全球的教练式沟通
》
售價：HK$
67.9
《
人的行为
》
售價：HK$
110.4
《
北京中轴线知识一点通
》
售價：HK$
90.9
《
牛津世界历史研究指南
》
售價：HK$
216.2
《
人间珍贵：澎湃夜读集3
》
售價：HK$
78.2
|
| 內容簡介： |
本书主要介绍了Google云平台中有关机器学习的多种工具，以及如何使用它们来进行机器学习。这些工具对使用者在机器学习理论方面的要求很低，读者可以在仅了解一点有关机器学习基础知识的前提下使用它们。
本书在使用每种机器学习的工具或技术之前，都会对相应的理论进行较为详实的介绍。但也同时考虑了机器学习理论的复杂性，在对理论知识的介绍中避免了复杂的数学公式，取而代之的是生动浅显的例子。其中很多示例是使用Python代码在Google云平台上实现的。
本书适合刚开始接触机器学习的读者阅读。
|
| 目錄：
|
译者序
原书前言
人工智能、机器学习和深度学习
第1部分 GCP与机器学习1
第1章 尝试使用GCP2
1.1GCP 概述3
1.2创建账户和项目5
1.3Cloud Shell9
1.4Google Compute Engine13
1.5Google Cloud Storage18
1.6BigQuery26
第2章使用Datalab32
2.1Datalab快速浏览33
2.2NumPy和pandas42
2.3链接Datalab和BigQuery53
2.4用Datalab绘制各种图形59
第3章使用 GCP 轻松进行机器学习67
3.1GCP的机器学习相关服务68
3.2Cloud Vision API73
3.3Cloud Translation API86
3.4Cloud Natural Language API90
第2部分 识别的基础95
第4章二类识别96
4.1简单识别97
4.2机器学习的引入106
4.3感知器116
4.4损失函数125
4.5逻辑回归128
第5章多类分类器和各种分类器138
5.1scikit-learn快速导览139
5.2多类逻辑回归141
5.3支持向量机151
5.4随机森林162
第6章数据评估方法和调整170
6.1基本的学习流程171
6.2学习和测试173
6.3数据评估182
6.4参数调整188
第3部分 深度学习入门194
第7章深度学习基础知识196
7.1图像识别197
7.2神经网络201
7.3激活函数211
7.4多类支持216
7.5各种梯度下降法222
7.6TensorFlow的准备230
7.7神经网络的实现238
7.8使用DNNClassifier简化学习244
7.9TensorBoard246
第8章CNN256
8.1前面图像识别中的问题257
8.2卷积层265
8.3卷积层运算的种类和池化层272
8.4使用TensorFlow实施两层CNN280
附录288
附录A Python2的基本使用方法
附录B Jupyter的设置
|
| 內容試閱：
|
机器学习的民主化你可能听说过这样的事情。对这个词的解释各不相同，但是民主表示一个事实，那就是由被称为数据科学家的研究人员将机器学习的研究变为了任何普通工程师和我们都可以使用的工具，这不正是民主化的表现吗。
但当我学习机器学习时，切身的感受到，机器学习的民主化其实并未完全实现。我也经常听到这样的声音不知道从何开始学习才好、虽然读了被称作好书的书，但是全是公式不太明白、在构建环境的地方被堵卡住于是就放弃了。本书的目的是，在Google Cloud Platform（谷歌云平台）这样的环境下，尽可能不使用公式，而是通过代码和图形来帮助工程师们完成进入这个领域的第一步。
Google Cloud Platform不仅以API的形式提供了机器学习的功能，同时还提供了用于执行和操作机器学习的完全托管环境。对于初学者来说更棒的是，可以在不需要构建环境的情况下，获得交互式学习环境。通过使用这种交互式环境，本书的内容不依赖于读者的PC环境，也不会让读者在最初遇到的构建环境的问题中被绊倒。
在第1部分中将使用Google CIoud Platform中的机器学习API来体验机器学习的强大功能。谷歌公司的工程师们预先准备好了庞大的计算机资源可供您使用，因此您无需使用任何机器学习的知识就能使用各种复杂的高级功能。
在第2部分及后面的章节中，将会继续介绍机器学习的原理。但即使在介绍原理的部分中也几乎没有涉及到数学表达式。为了使读者更容易读懂，将通过代码和对输出结果图形化来帮助加深理解。
如上所述，书中在原理部分几乎不使用数学表达式。换句话说它不适合重视机器学习的数学原理，并想学习其中数学知识的读者。此外，在原理复杂但使用简单的地方，本书以能够理解为原则，而省略了其详细的理论说明。但是，一旦您读完了这本书，将会有助于您近一步学习更复杂的（或有关数学的）机器学习理论。
如果您只读本书的正文部分也可以学习，但是若一边执行样例代码一边阅读的话，会更有助于加深理解。而样例代码都是Datalab笔记本的形式，所以可以在Web浏览器上交互执行代码。
Datalab的使用方法和样例代码的下载方法在Chapter2.1中有详细介绍。另外，没有必要在本地PC上构筑执行环境。您只需要Web浏览器即可。Web浏览器推荐使用谷歌的Chrome。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
