具体描述
机器学习正逐步地在蚕食软体世界。经由Sebastian Raschka 的畅销书《Python机器学习》的第二版，读者可以了解并学习最先进的机器学习、类神经网路和深度学习的相关知识与技术。
《Python机器学习第二版》包含了scikit-learn、Keras和TensorFlow等最新的开源相关技术，它们提供了实务层面的知识和技术，您可以用Python来实际建立机器学习和深度学习的应用系统。
Sebastian Raschka和Vahid Mirjalili以他们独特的洞察力和专业知识向您介绍机器学习和深度学习的演算法，然后再更进一步的讨论数据分析的进阶主题。本书将机器学习的理论原理与实际程式码的制作相结合，让您能全面掌握机器学习的理论并使用Python来完成实作。
你可以在本书中学到的主题有：
・ 探索并理解数据科学的关键框架，机器学习和深度学习
・ 以机器学习模型和类神经网路，对您的数据的提出新问题
・ 驾驭最新的Python开源函式库中，关于机器学习的强大功能
・ 掌握以TensorFlow函式库来实作深度类神经网路
・ 将您的机器学习模型嵌入Web应用程序
・ 使用回归分析来预测连续的目标值
・ 通过集群来发掘数据中隐藏的模式和结构
・ 使用深度学习技术分析影像
・ 使用情绪分析深入研究文本和社群媒体数据
《Python机器学习第二版》包含了scikit-learn、Keras和TensorFlow等最新的开源相关技术，它们提供了实务层面的知识和技术，您可以用Python来实际建立机器学习和深度学习的应用系统。
Sebastian Raschka和Vahid Mirjalili以他们独特的洞察力和专业知识向您介绍机器学习和深度学习的演算法，然后再更进一步的讨论数据分析的进阶主题。本书将机器学习的理论原理与实际程式码的制作相结合，让您能全面掌握机器学习的理论并使用Python来完成实作。
你可以在本书中学到的主题有：
・ 探索并理解数据科学的关键框架，机器学习和深度学习
・ 以机器学习模型和类神经网路，对您的数据的提出新问题
・ 驾驭最新的Python开源函式库中，关于机器学习的强大功能
・ 掌握以TensorFlow函式库来实作深度类神经网路
・ 将您的机器学习模型嵌入Web应用程序
・ 使用回归分析来预测连续的目标值
・ 通过集群来发掘数据中隐藏的模式和结构
・ 使用深度学习技术分析影像
・ 使用情绪分析深入研究文本和社群媒体数据
著者信息
作者简介
Sebastian Raschka
畅销书《Python 机器学习》的作者Sebastian Raschka 在Python 程式设计方面有多年的经验，他也为数据科学，机器学习和深度学习的实际应用，提供过许多次的研讨会，其中包括在Python 中具有领先地位的科学计算会议－ SciPy 中，提供关于机器学习的教程。
虽然Sebastian Raschka 的学术研究主题主要集中在计算生物学上面，但他喜欢撰写和谈论数据科学、机器学习和Python，而且他有帮助人们的动力，在不需要机器学习的背景下，开发数据驱动的解决方案。
他的工作和贡献最近得到2016-2017 优秀研究生奖以及ACM Computing Reviews 2016年度最佳奖。 在他的空闲时间里，Sebastian 喜欢为开源项目做出贡献，而他所实作的方法现在已经成功地用于Kaggle 等机器学习竞赛。
他也积极参与开源专案的开发，并借由实作许多方法来做出贡献，目前这些方法、专案都被成功地在机器学习比赛中被使用，Kaggle 就是其中之一。在闲暇时间，他致力于开发各种运动比赛的预测模型，如果不在电脑桌前，他也乐于从事各式各样的运动。
Vahid Mirjalili
Vahid Mirjalili 是机械工程学的博士，专攻于开发大规模分子结构计算模拟新方法的研究。目前，他在密西根州立大学计算机科学与工程系服务，致力于各种机器学习在计算机视觉中的应用专案。
Vahid 以Python 作为他程式设计时的首选程式语言，在他的学术和研究生涯中，他在Python 程式设计方面累积了丰富的经验。他在密西根州立大学工程科系开授Python 程式设计，这给了他一个机会来帮助学生理解不同的数据结构，并以Python 来开发高效率的程式码。
虽然Vahid 的研究兴趣集中在深度学习和计算机视觉上的应用，但他最有兴趣的是利用深度学习技术来扩展生物识别数据（如人脸影像）中的隐私性，以便资讯不会超出使用户想要开放的内容。此外，他还与一群从事自动驾驶汽车工作的工程师合作，他设计了用于行人检测的多光谱影像融合类神经网路模型。
Sebastian Raschka
畅销书《Python 机器学习》的作者Sebastian Raschka 在Python 程式设计方面有多年的经验，他也为数据科学，机器学习和深度学习的实际应用，提供过许多次的研讨会，其中包括在Python 中具有领先地位的科学计算会议－ SciPy 中，提供关于机器学习的教程。
虽然Sebastian Raschka 的学术研究主题主要集中在计算生物学上面，但他喜欢撰写和谈论数据科学、机器学习和Python，而且他有帮助人们的动力，在不需要机器学习的背景下，开发数据驱动的解决方案。
他的工作和贡献最近得到2016-2017 优秀研究生奖以及ACM Computing Reviews 2016年度最佳奖。 在他的空闲时间里，Sebastian 喜欢为开源项目做出贡献，而他所实作的方法现在已经成功地用于Kaggle 等机器学习竞赛。
他也积极参与开源专案的开发，并借由实作许多方法来做出贡献，目前这些方法、专案都被成功地在机器学习比赛中被使用，Kaggle 就是其中之一。在闲暇时间，他致力于开发各种运动比赛的预测模型，如果不在电脑桌前，他也乐于从事各式各样的运动。
Vahid Mirjalili
Vahid Mirjalili 是机械工程学的博士，专攻于开发大规模分子结构计算模拟新方法的研究。目前，他在密西根州立大学计算机科学与工程系服务，致力于各种机器学习在计算机视觉中的应用专案。
Vahid 以Python 作为他程式设计时的首选程式语言，在他的学术和研究生涯中，他在Python 程式设计方面累积了丰富的经验。他在密西根州立大学工程科系开授Python 程式设计，这给了他一个机会来帮助学生理解不同的数据结构，并以Python 来开发高效率的程式码。
虽然Vahid 的研究兴趣集中在深度学习和计算机视觉上的应用，但他最有兴趣的是利用深度学习技术来扩展生物识别数据（如人脸影像）中的隐私性，以便资讯不会超出使用户想要开放的内容。此外，他还与一群从事自动驾驶汽车工作的工程师合作，他设计了用于行人检测的多光谱影像融合类神经网路模型。
图书目录
第01章：赋予电脑从数据中学习的能力
第02章：训练简单的机器学习的分类演算法
第03章：使用 scikit-learn 巡览机器学习分类器
第04章：建构良好的训练数据集─数据预处理
第05章：降维来压缩数据
第06章：学习模型评估和超参数调校的最佳实作
第07章：结合不同模型来做整体学习
第08章：将机器学习应用于情绪分析
第09章：在 Web 应用程式上嵌入机器学习模型
第10章：以回归分析预测连续目标变量
第11章：使用未标记的数据 ─ 集群分析
第12章：从零开始来实作多层类神经网路
第13章：使用 TensorFlow 来平行化类神经网路的训练
第14章：更进一步研究 ─ TensorFlow 的结构
第15章：使用深度卷积类神经网路来做影像分类
第16章：以递回类神经网路来对循序数据建模
第02章：训练简单的机器学习的分类演算法
第03章：使用 scikit-learn 巡览机器学习分类器
第04章：建构良好的训练数据集─数据预处理
第05章：降维来压缩数据
第06章：学习模型评估和超参数调校的最佳实作
第07章：结合不同模型来做整体学习
第08章：将机器学习应用于情绪分析
第09章：在 Web 应用程式上嵌入机器学习模型
第10章：以回归分析预测连续目标变量
第11章：使用未标记的数据 ─ 集群分析
第12章：从零开始来实作多层类神经网路
第13章：使用 TensorFlow 来平行化类神经网路的训练
第14章：更进一步研究 ─ TensorFlow 的结构
第15章：使用深度卷积类神经网路来做影像分类
第16章：以递回类神经网路来对循序数据建模
图书序言
图书试读
None
用户评价
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 ttbooks.qciss.net All Rights Reserved. 小特书站 版权所有