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:

  • Python深度学习应用 (加)亚历克斯·盖利,(古)路易斯·卡佩罗 著 高凯 等 译 专业科技 文轩网
  • 新华书店正版
    • 作者: (加)亚历克斯·盖利,(古)路易斯·卡佩罗著 | | 高凯 等译
    • 出版社: 清华大学出版社
    • 出版时间:2020-07-01 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: (加)亚历克斯·盖利,(古)路易斯·卡佩罗著| 高凯 等译
    • 出版社:清华大学出版社
    • 出版时间:2020-07-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2020-07-01
    • 字数:296000
    • 页数:216
    • 开本:16开
    • 装帧:平装
    • ISBN:9787302541967
    • 国别/地区:中国
    • 版权提供:清华大学出版社

    Python深度学习应用

    作  者:(加)亚历克斯·盖利,(古)路易斯·卡佩罗 著 高凯 等 译
    定  价:59
    出 版 社:清华大学出版社
    出版日期:2020年07月01日
    页  数:216
    装  帧:平装
    ISBN:9787302541967
    主编推荐

    本书理论与实践并重,体系完整,内容新颖,条理清晰,组织合理,强调实践。它涵盖了使用Scikit-learn、TensorFlow和Keras创建智能系统和机器学习解决方案,并将论述的重点放在了实现和实践上,以便让读者更好地了解到基于Python的应用深度学习实现细节。

    内容简介

    本书介绍Jupyter、数据清洗、高级机器学习、网页爬虫、交互式可视化、神经网络、深度学习、模型构建、模型评估与优化、产品化处理等有关深度学习应用方面的内容。本书理论与实践并重、体系完整、内容新颖、条理清晰、组织合理、强调实践,包括使用sciki-learn、TensorFlow和Keras创建智能系统和机器学习解决方案,并将论述的重点放在实现和实践上,以便让读者更好地了解Python深度学习应用的实现细节。本书适合所有对Python深度学习感兴趣的人士阅读。

    作者简介

    高凯 汉族,教授,博士毕业于上海交通大学计算机应用技术专业,河北省省级重点学科“计算机软件与理论”中“信息检索与云计算”方向学术带头人,研究生导师,中国计算机学会高级会员,中国计算机学会CCF计算机应用专委常委,中国计算机学会CCF中文信息技术专委委员,河北省科技咨询业协会第六届理事会常务理事,英国学术期刊International Journal of Computer Applications in Technology副主编,国际学术会议International Conference on Modelling, Identification and Control程序委员会委员;主要研究方向为人工智能、大数据搜索与挖掘、网络信息检索、自然语言处理、社会计算等;多年主讲研究生课程《人工智能》、本科生课程《数据库原理与应用》,系河北科技大学教学名师;近年出版了《信息检索与智能处理》、null

    精彩内容

    目录
    第1章Jupyter基础/1
    1.1基本功能与特征/2
    1.1.1JupyterNotebook是什么,为什么它如此有用/2
    1.1.2JupyterNotebook概览/4
    1.1.3Jupyter特色/8
    1.1.4Python库/14
    1.2第一个数据分析实例——基于波士顿住房数据集/17
    1.2.1使用PandasDataFrame载入数据集/17
    1.2.2数据集/22
    1.2.3基于JupyterNotebook的预测分析简介/26
    1.2.4实践:构建一个基于三阶多项式的模型/30
    1.2.5使用分类特征完成对数据集的分段分析/35
    1.3本章小结/41第2章数据清洗和高级机器学习/42
    2.1准备训练预测模型/43
    2.1.1确定预测分析计划/43
    2.1.2机器学习的数据预处理/45
    2.1.3实践:准备训练“员工去留问题”的预测模型/55
    2.2训练分类模型/64
    2.2.1分类算法简介/64
    2.2.2使用k折交叉验证和验证曲线评估模型/79
    2.2.3降维技术/84
    2.2.4训练员工去留问题的预测模型/85
    2.3本章小结/93第3章网页信息采集和交互式可视化/94
    3.1采集网页信息/95
    3.1.1HTTP请求简介/95
    3.1.2在JupyterNotebook中实现HTTP请求/96
    3.1.3在JupyterNotebook中解析HTML/101
    3.1.4实践:在JupyterNotebook中实现网页信息采集/107
    3.2交互可视化/111
    3.2.1构建DataFrame以存储和组织数据/111
    3.2.2Bokeh简介/117
    3.2.3实例:使用交互式可视化探索数据/121
    3.3本章小结/130第4章神经网络与深度学习概述/132
    4.1什么是神经网络/132
    4.1.1成功的应用案例/133
    4.1.2为什么神经网络能够表现得如此出色/134
    4.1.3深度学习的局限性/136
    4.1.4神经网络的一般构成和操作/137
    4.2配置深度学习环境/139
    4.2.1用于深度学习的软件组件/139
    4.2.2实例:验证软件组件/141
    4.2.3探索一个训练好的神经网络/143
    4.2.4实例:探索一个训练好的神经网络/148
    4.3本章小结/150第5章模型体系结构/151
    5.1选择合适的模型体系结构/151
    5.1.1常见的体系结构/151
    5.1.2数据标准化/156
    5.1.3构建您的问题/157
    5.1.4实例:探索比特币数据集,为模型准备数据/159
    5.2使用Keras作为TensorFlow接口/165
    5.2.1模型组件/165
    5.2.2实例:使用Keras创建TensorFlow模型/167
    5.2.3从数据准备到建模/168
    5.2.4训练神经网络/169
    5.2.5调整时间序列数据维度/169
    5.2.6预测数据/172
    5.2.7实例:组建深度学习系统/173
    5.3本章小结/176第6章模型评估和优化/177
    6.1模型评估/177
    6.1.1问题类别/177
    6.1.2损失函数、准确率和错误率/178
    6.1.3使用TensorBoard进行可视化/180
    6.1.4实现模型评估的测度/182
    6.1.5实践:创建一个训练环境/187
    6.2超参数优化/192
    6.2.1针对神经层和神经元——添加更多的神经层/192
    6.2.2迭代步数/194
    6.2.3激活函数/195
    6.2.4激活函数的实现/197
    6.2.5正则化策略/198
    6.2.6结果优化/199
    6.2.7实践:优化神经网络模型/200
    6.3本章小结/202第7章产品化/203
    7.1处理新数据/203
    7.1.1分离数据和模型/203
    7.1.2处理新数据/205
    7.1.3实例:处理新数据/208
    7.2将模型部署为Web应用程序/210
    7.2.1应用架构和技术/210
    7.2.2部署和使用cryptonic/211
    7.2.3实例:部署深度学习应用程序/214
    7.3本章小结/216

    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