机器学习之路 Caffe Keras scikit-learn实战epub下载

摘要适读人群 :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。 都说这年头不会点机器学习不好意思出门,但高深的数学理论,复杂的算法又让很多人忘而却步,不知从何下手,《机器学习篇》绕过理论障碍,打通了一条由浅入深的机器学习之路。 丰富的实战案例讲...

摘要

适读人群 :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。
都说这年头不会点机器学习不好意思出门,但高深的数学理论,复杂的算法又让很多人忘而却步,不知从何下手,《机器学习篇》绕过理论障碍,打通了一条由浅入深的机器学习之路。
丰富的实战案例讲解,介绍如何将机器学习技术运用到股票量化交易、图片渲染、图片识别等领域。

机器学习之路 Caffe Keras scikit-learn实战 作者:阿布,胥嘉幸

机器学习之路 Caffe Keras scikit-learn实战 出版社:电子工业出版社

机器学习之路 Caffe Keras scikit-learn实战 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》从小红帽采蘑菇的故事开篇,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*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)。

机器学习之路 Caffe Keras scikit-learn实战 目录

前言

第一篇 机器学习篇

第1章 初识机器学习

第2章 机器学习进阶

第3章 实战:股票量化

第二篇 深度学习篇

第4章 深度学习:背景和工具

第5章 深层学习模型

第6章 学习空间特征

第7章 Caffe实例:狗狗品种辨别

第8章 漫谈时间序列模型

第9章 用深度学习做个艺术画家——模仿实现prisma

附录A 机器学习环境部署

A.1 Anaconda环境部署

A.2 使用Anaconda

A.3 pip环境部署

A.4 安装abupy

附录B 深度学习环境部署

B.1 部署Keras

B.2 部署Caffe

附录C 随书代码运行环境部署

机器学习之路 Caffe Keras scikit-learn实战 精彩文摘

机器学习篇主要面向机器学习零基础的读者,已有相关知识的读者可以直接跳过这一篇。

本章将介绍几个浅层的学习模型,并尝试解释这些模型背后的“直观”原理。通过对本章的学习,相信你将有能力将这些模型运用到自己的工程中。

当人类用感情和希望去创造一样东西,那一样东西就会被赋予灵魂。

——宫崎骏《猫的报恩》

本节将对比机器学习和人类学习的过程。

400多年前,我们发明了望远镜,拓展了“视觉”的能力;320年前,我们发明了代步工具——自行车,提升了“步行”的能力;100多年前,从热气球到莱特兄弟的飞机,我们具备了新的能力——“飞行”。在信息技术日益成熟的今天,机器学习将带我们步入更加神奇的世界——扩展“学习”的能力。

那么如何让机器像智能生物一样,获得学习的能力?早些时候的科学家一直试图让机械拥有真正意义上的智能,进而产生智能行为——学习,但最终这个方向并没有走通。今天的科学家走出了思维的桎梏,放弃纯粹的生物模仿,而是利用科学理论完成仿生——用数学模拟智能生物学习的过程。莱特兄弟发明的飞机是空气动力学的产物,而今天的机器学习是以数据为中心,通过训练模型发现数据中的某些内在模式,并将其运用到新数据中的技术。简单来说,机器学习就是研究数据,模拟生物学习的能力。

让我们先看一个简单的故事,直观对比一下机器学习和人类学习过程中的差异。

1.1.1 小红帽识别毒蘑菇

小红帽去森林采蘑菇,她希望自己能够了解哪些蘑菇是有毒的。第一天,采集了5朵蘑菇,小红帽观察蘑菇外表,发现其中2朵外表鲜艳的是毒蘑菇,3朵外表朴素的是正常蘑菇;于是小红帽学到一个新知识:“外表鲜艳的蘑菇是有毒的!”如图1-1所示。

本文来自眼泪是回忆的常客投稿,不代表电子书资源网立场,如若转载,请联系原作者获取。

打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
() 0
上一篇 02-13
下一篇 02-13

相关推荐

评论列表

联系我们

在线咨询: QQ交谈

邮件:admin@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

关注微信