返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • TensorFlow深度学习项目实战
  • 新华书店正版
    • 作者: [美]卢卡·马萨罗(Luca Massaron)[美]阿尔贝托·博斯凯蒂(Alberto Boschetti)[美]阿列克谢·格里高瑞夫(Alexey Grigorev)等著 | | 魏博 刘昌灵 司竹月 刘小晴译
    • 出版社: 人民邮电出版社
    • 出版时间:2022-04-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: [美]卢卡·马萨罗(Luca Massaron)[美]阿尔贝托·博斯凯蒂(Alberto Boschetti)[美]阿列克谢·格里高瑞夫(Alexey Grigorev)等著| 魏博 刘昌灵 司竹月 刘小晴译
    • 出版社:人民邮电出版社
    • 出版时间:2022-04-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2022-04-01
    • 页数:234
    • 开本:16开
    • 装帧:平装
    • ISBN:9787115563897
    • 国别/地区:中国
    • 版权提供:人民邮电出版社

    TensorFlow深度学习项目实战

    作  者:[美]卢卡·马萨罗(Luca Massaron)[美]阿尔贝托·博斯凯蒂(Alberto Boschetti)[美]阿列克谢·格里高瑞夫(Alexey Grigorev)等 著 魏博 刘昌灵 司竹月 刘小晴 译
    定  价:79.9
    出 版 社:人民邮电出版社
    出版日期:2022年04月01日
    页  数:234
    装  帧:平装
    ISBN:9787115563897
    主编推荐

    1.用TensorFlow框架针对现实场景设计深度学习系统,实现有趣的深度学习项目。 2.10个真实项目,侧重于实战,涵盖图像处理、推荐系统、股票价格预测和训练聊天机器人、机器翻译系统和基于强化学习的电子游戏等实际应用 3.适合数据科学家、机器学习和深度学习领域的从业者以及人工智能技术的爱好者阅读。

    内容简介

    本书旨在利用 TensorFlow 针对各种现实场景设计深度学习系统,引导读者实现有趣的深度学习项目。本书涵盖 10 个实践项目,如用目标检测 API 标注图像、利用长短期记忆神经网络(LSTM)预测股票价格、构建和训练机器翻译模型、检测 Quora 数据集中的重复问题等。通过阅读本书,读者可以了解如何搭建深度学习的 TensorFlow 环境、如何构建卷积神经网络以有效地处理图像、如何利用长短期记忆神经网络预测股票价格,以及如何实现一个能够自己玩电子游戏的人工智能(AI)! 本书适合数据科学家、机器学习和深度学习领域的从业者以及人工智能技术的爱好者阅读。

    作者简介

    Luca Massaron 是一名数据科学家,也是一家公司的市场研究总监,长期从事多元统计分析、机器学习和客户分析等工作,有 10 多年的解决实际问题的经验,擅长运用推理、统计、数据挖掘和算法为客户创造价值。他对数据分析技术很好感兴趣,乐于向专业人员和非专业人员展示数据驱动的知识发现的巨大潜力。他坚信通过简单明了的解释和对行业的基本理解可以实现很多目标。 Alberto Boschetti 是一名数据科学家,在信号处理和统计方面有丰富的经验。他拥有通信工程博士学位,目前从事自然语言处理、机器学习和分布式处理等方向的工作。他经常参加学术讨论、大型会议和其他活动,关注数据科学技术的近期新进展。 Alexey Grigorev 是经验丰富的数据科学家、机器学习工程师和软件开发人员,拥有超过8年的专业经验。他原是一名 Java 开发人员,后转而从事数据科学工作。现在,Alexey 是Simplnull

    精彩内容

    目录
    第 1章 用卷积神经网络识别交通标志 1 1.1 数据集 1 1.2 卷积神经网络 2 1.3 图像预处理 3 1.4 训练模型并进行预测 6 1.5 后续问题 12 1.6 小结 12 第 2章 用目标检测API标注图像 13 2.1 微软常见物体数据集 13 2.2 TensorFlow的目标检测API 16 2.3 展示项目计划 18 2.3.1 为项目搭建合适的开发环境 19 2.3.2 protobuf编译 20 2.4 准备项目代码 20 2.4.1 一些简单应用 31 2.4.2 网络摄像头实时检测 34 2.5 致谢 36 2.6 小结 36 第3章 图像的描述生成 37 3.1 什么是描述生成 37 3.2 探索图像描述数据集 38 3.3 把单词转换为词嵌入 40 3.4 描述图像的方法 42 3.4.1 条件随机场 42 3.4.2 基于卷积神经网络的循环神经网络 43 3.4.3 描述排序 44 3.4.4 密集描述 45 3.4.5 循环神经网络描述 46 3.4.6 多模态描述 46 3.4.7 基于注意力机制的描述 47 3.5 实现描述生成模型 48 3.6 小结 52 第4章 为生成条件图像构建GAN 53 4.1 GAN简介 53 4.1.1 对抗方式是关键 54 4.1.2 “寒武纪大爆发” 56 4.2 项目 57 4.2.1 数据集类 58 4.2.2 CGAN类 60 4.3 CGAN应用示例 74 4.3.1 MNIST 75 4.3.2 Zalando MNIST 79 4.3.3 EMNIST 81 4.3.4 重用经过训练的CGAN 82 4.4 使用AWS服务 84 4.5 致谢 85 4.6 小结 86 第5章 利用LSTM预测股票价格 87 5.1 输入数据集(余弦信号和股票价格) 87 5.2 格式化数据集 90 5.3 用回归模型预测股票价格 93 5.4 长短期记忆神经网络入门 101 5.5 利用LSTM进行股票价格预测 103 5.6 练习 108 5.7 小结 109 第6章 构建和训练机器翻译模型 110 6.1 机器翻译系统架构 110 6.2 语料库预处理 112 6.3 训练机器翻译模型 118 6.4 测试和翻译 123 6.5 练习 125 6.6 小结 125 第7章 训练能像人类一样讨论的聊天机器人 126 7.1 项目简介 126 7.2 输入语料库 127 7.3 创建训练集 128 7.4 训练聊天机器人 132 7.5 聊天机器人API 134 7.6 练习 137 7.7 小结 137 第8章 检测Quora数据集中的重复问题 138 8.1 展示数据集 138 8.2 基础特征工程 141 8.3 创建模糊特征 142 8.4 借助TF-IDF和SVD特征 145 8.5 用Word2vec嵌入映射 148 8.6 测试机器学习模型 153 8.7 搭建TensorFlow模型 158 8.8 构建深度神经网络之前所做的处理 158 8.9 深度神经网络的构建模块 160 8.10 设计学习架构 163 8.11 小结 169 第9章 用TensorFlow构建推荐系统 170 9.1 推荐系统 170 9.2 推荐系统下的矩阵分解 172 9.2.1 数据集准备和基准 172 9.2.2 矩阵分解 177 9.2.3 隐式反馈数据集 178 9.2.4 基于SGD的矩阵分解 181 9.2.5 贝叶斯个性化排序 186 9.3 面向推荐系统的RNN 189 9.3.1 数据集准备和基准 190 9.3.2 用TensorFlow构建RNN模型 195 9.4 小结 206 第 10章 基于强化学习的电子游戏 207 10.1 关于游戏 207 10.2 OpenAI版游戏 208 10.3 在Linux(Ubuntu 14.04或16.04)上安装OpenAI Gym 210 10.4 通过深度学习探索强化学习 212 10.4.1 深度Q-learning技巧 215 10.4.2 理解深度Q-learning的局限性 216 10.5 启动项目 216 10.5.1 定义人工智能大脑 217 10.5.2 为经验回放创建记忆 221 10.5.3 创建智能体 222 10.5.4 指定环境 227 10.5.5 执行强化学习过程 230 10.6 致谢 233 10.7 小结 234

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购