開源下載 | 基于Scikit-learn、Keras和TensorFlow的機器學(xué)習(xí)實戰(zhàn)
今天要給大家分享的是機器學(xué)習(xí)領(lǐng)域的一本經(jīng)典之作:《基于Scikit-learn、Keras和TensorFlow的機器學(xué)習(xí)實戰(zhàn)》,英文名為:《Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow》。

該書作為第二版,相對于第一版內(nèi)容已增加一倍之多。豆瓣評分高達9.8分,絕對是一本值得研讀的機器學(xué)習(xí)佳作。

全書總共有19章,完整目錄如下:
前言
第一部分 機器學(xué)習(xí)的基礎(chǔ)知識
第 1 章 機器學(xué)習(xí)概覽
第 2 章 端到端的機器學(xué)習(xí)項目
第 3 章 分類
第 4 章 訓(xùn)練模型
第 5 章 支持向量機
第 6 章 決策樹
第 7 章 集成學(xué)習(xí)和隨機森林
第 8 章 降維
第 9 章 無監(jiān)督學(xué)習(xí)技術(shù)
第二部分 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
第 10 章 Keras 人工神經(jīng)網(wǎng)絡(luò)簡介
第 11 章 訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)
第 12 章 使用 TensorFlow 自定義模型和訓(xùn)練
第 13 章 使用 TensorFlow 加載和預(yù)處理數(shù)據(jù)
第 14 章 使用卷積神經(jīng)網(wǎng)絡(luò)的深度計算機視覺
第 15 章 使用 RNN 和 CNN 處理序列
第 16 章 使用 RNN 和注意力機制進行自然語言處理
第 17 章 使用自動編碼器和 GAN 的表征學(xué)習(xí)和生成學(xué)習(xí)
第 18 章 強化學(xué)習(xí)
第 19 章 大規(guī)模訓(xùn)練和部署TensorFlow 模型
作者還提供全書的配套代碼:
https://github.com/ageron/handson-ml2
需要這本書的讀者可以關(guān)注下方公眾號后,回復(fù)“機器學(xué)習(xí)實戰(zhàn)”關(guān)鍵字,即可獲取。

同時,歡迎各位讀者掃碼進入我們的學(xué)習(xí)交流群!
微商和廣告勿擾,謝謝合作!

