基於 Google 雲平台的機器學習和深度學習入門

(日)吉川隼人 薛建彬//張振華

  • 出版商: 機械工業
  • 出版日期: 2020-09-01
  • 定價: $474
  • 售價: 8.5$403
  • 語言: 簡體中文
  • 頁數: 220
  • 裝訂: 平裝
  • ISBN: 711166003X
  • ISBN-13: 9787111660033
  • 相關分類: Machine LearningDeepLearning
  • 立即出貨 (庫存 < 3)

買這商品的人也買了...

商品描述

本書主要介紹了Google台中有關機器學種工具,
以及如何使用它們行機器學些工具對使用者在機器學方面的要求很低,
讀者可以在僅了解一點有關機器學知識的前提下使用它們。
本書在使用每種機器學具或技術之前,都會對相應的理行較為實的介紹。
但也同時考慮了機器學的複雜性,在對理論知識的介紹中避免了複雜的數學公式,
取而代之的是生動淺顯的例子。
其中很多示例是使用Python代碼在Google台上實現的。
本書適合剛開始接觸機器學者閱讀。

目錄大綱

目錄
譯者序
原書前言
人工智能、機器學度學r/>第1部分GCP與機器學r/>第1章嘗GCP
1.1 GCP概述
1.2創建賬戶和項目
1.3 Cloud Shell
1.4 Google Compute Engine
1.5 Google Cloud Storage
1.6 BigQuery

第2章使用Datalab
2.1 Datalab快速瀏覽
2.2 NumPy和pandar/> 2.3鏈接Datalab和BigQuery
2.4用Datalab繪製各種圖形

第3章使用GCP輕行機器學r/> 3.1 GCP的機器學服務
3.2 Cloud Vision API
3.3 Cloud Translation API
3.4 Cloud Natural Language API

第2部分識別的基礎
第4章二類識別
4.1簡單識別
4.2機器學入
4.3感知器
4.4損失函數
4.5邏輯回歸

第5章多類分類器和各種分類器
5.cikit-learn快速導覽
5.2多類邏輯回歸
5.3支持向量機
5.4隨機森林

第6章數據評估方法和調整
6.1基本的學
6.2學試
6.3數據評估
6.4參數調整

第3部分深度學
第7章深度學知識
7.1圖像識別
7.2神經網絡
7.3激活函數
7.4多類支持
7.5各種梯度下降法
7.6 TensorFlow的準備
7.7神經網絡的實現
7.8使用DNNClassifier簡化學r/> 7.9 TensorBoard

第8章CNN
8.1前面圖像識別中的問題
8.2卷積層
8.3卷積層運算的種類和池化層
8.4使用TensorFlow實施兩層CNN
附錄
附錄A Python2的基本使用方法
附錄B Jupyter的設置