婵犵數濮烽弫鍛婃叏閻戣棄鏋侀柟闂寸绾剧粯绻涢幋鐑嗙劯婵炴垶鐟﹂崕鐔兼煏婵炲灝鍔氶柣搴弮濮婃椽宕楅懖鈹垮仦闂佸搫鎳忕划宀勬偩閻戣棄钃熼柕澶涚畱閳ь剛鏁婚弻銊モ攽閸℃侗鈧鏌$€n偆銆掔紒杈ㄥ浮閸┾偓妞ゆ帒瀚壕鍏兼叏濡灝浜归柛鐐垫暬閺岋綁鎮╅悜妯糕偓鍐偣閳ь剟鏁冮埀顒€宓勯梺鍛婄☉鏋ù婊勭矒閺屻劑寮村Δ鈧禍楣冩倵濞堝灝鏋涘褍閰i獮鎴﹀閻橆偅鏂€闁诲函缍嗘禍璺横缚婵犲洦鈷戠紓浣光棨椤忓嫷鍤曢悹铏规磪閹烘绠涢柣妤€鐗冮幏娲⒒閸屾氨澧涚紒瀣浮楠炴牠骞囬鐘殿啎閻庣懓澹婇崰鏍嵁閺嶎厽鐓熼柨婵嗘噹濡茬粯銇勯锝囩畼闁圭懓瀚伴幖褰掓偡閺夎法顔囬梻鍌氬€风欢姘跺焵椤掑倸浠滈柤娲诲灡閺呰埖瀵肩€涙ḿ鍘炬俊銈忕畳濞夋洜鑺遍崸妤佺厪闁搞儯鍔屾慨宥嗩殽閻愭潙娴鐐差儔閹粓宕卞鍡橈紙闂傚倸鍊搁崐椋庣矆娓氣偓楠炴牠顢曚綅閸ヮ剦鏁嶉柣鎰綑閳ь剝鍩栫换婵嬫濞戞艾顣哄銈冨劜瀹€鎼佸蓟濞戔懇鈧箓骞嬪┑鍥╀簮婵犵鍓濊ぐ鍐偋閹捐钃熼柨鐔哄Т缁€鍐煃閸濆嫬鈧悂寮冲Δ鍛拺濞村吋鐟х粔顒€霉濠婂骸澧版俊鍙夊姍楠炴帒螖閳ь剚鍎柣鐔哥矊闁帮絽顕i幎钘夌厸闁告劦浜為敍婊堟煛婢跺﹦澧戦柛鏂跨Ч钘熼柛顐犲劜閻撴稑霉閿濆牜娼愮€规洖鐭傞弻鈩冩媴鐟欏嫬纾抽梺杞扮劍閹瑰洭寮幘缁樻櫢闁跨噦鎷� [闂傚倸鍊搁崐鎼佸磹瀹勬噴褰掑炊椤掍礁鍓銈嗗姧缁犳垿鐛姀銈嗙厓閺夌偞澹嗛崝宥嗐亜閺傚灝顏紒杈ㄦ崌瀹曟帒顫濋钘変壕闁告縿鍎抽惌娆撴煕閺囥劌鐏犵紒鐙€鍨堕弻銊╂偆閸屾稑顏� | 闂傚倸鍊搁崐鎼佸磹閻戣姤鍤勯柤鍝ユ暩娴犳氨绱撻崒娆掑厡缂侇噮鍨跺畷婵單旈崘銊ョ亰闂佸搫鍟悧濠囧磹婵犳碍鐓㈡俊顖欒濡叉悂鏌f惔顔煎籍婵﹨娅g划娆撳箰鎼淬垺瀚抽梻浣虹《閺呮盯宕弶鎴殨闁归棿绀侀崘鈧銈嗘尵閸犳捇宕㈤鍛瘈闁汇垽娼ф禒婊堟煟韫囨梻绠炵€规洘绻傞~婵嬫嚋閻㈤潧骞愰梻浣呵归張顒勩€冮崨顔绢洸闁跨噦鎷�]

    • 基于Google云平台的机器学习和深度学习入门/机器学习系列
      • 作者:(日)吉川隼人|责编:闾洪庆|译者:薛建彬//张振华
      • 出版社:机械工业
      • ISBN:9787111660033
      • 出版日期:2020/10/01
      • 页数:220
    • 售价:31.6
  • 内容大纲

        本书主要介绍了Google云平台中有关机器学习的多种工具,以及如何使用它们来进行机器学习。这些工具对使用者在机器学习理论方面的要求很低,读者可以在仅了解一点有关机器学习基础知识的前提下使用它们。
        本书在使用每种机器学习的工具或技术之前,都会对相应的理论进行较为翔实的介绍。但也同时考虑了机器学习理论的复杂性,在对理论知识的介绍中避免了复杂的数学公式,取而代之的是生动浅显的例子。其中很多示例是使用Python代码在Google云平台上实现的。
        本书适合刚开始接触机器学习的读者阅读。
  • 作者介绍

  • 目录

    译者序
    原书前言
    人工智能、机器学习和深度学习
    第1部分  GCP与机器学习
      第1章  尝试使用GCP
        1.1  GCP概述
        1.2  创建账户和项目
        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快速浏览
        2.2  NumPy和pandas
        2.3  链接Datalab和BigQuery
        2.4  用Datalab绘制各种图形
      第3章  使用GCP轻松进行机器学习
        3.1  GCP的机器学习相关服务
        3.2  Cloud Vision API
        3.3  Cloud Translation API
        3.4  Cloud Natural Language API
    第2部分  识别的基础
      第4章  二类识别
        4.1  简单识别
        4.2  机器学习的引入
        4.3  感知器
        4.4  损失函数
        4.5  逻辑回归
      第5章  多类分类器和各种分类器
        5.1  scikit-learn快速导览
        5.2  多类逻辑回归
        5.3  支持向量机
        5.4  随机森林
      第6章  数据评估方法和调整
        6.1  基本的学习流程
        6.2  学习和测试
        6.3  数据评估
        6.4  参数调整
    第3部分  深度学习入门
      第7章  深度学习基础知识
        7.1  图像识别
        7.2  神经网络
        7.3  激活函数
        7.4  多类支持
        7.5  各种梯度下降法
        7.6  TensorFlow的准备
        7.7  神经网络的实现
        7.8  使用DNNClassifier简化学习
        7.9  TensorBoard
      第8章  CNN

        8.1  前面图像识别中的问题
        8.2  卷积层
        8.3  卷积层运算的种类和池化层
        8.4  使用TensorFlow实施两层CNN
    附录
      附录A  Python2的基本使用方法
      附录B  Jupyter的设置