正版图书,可开发票,请放心购买。
作者:
(加)亚历克斯·盖利,(古)路易斯·卡佩罗
出版社:
清华大学出版社
ISBN:
9787302541967
出版时间:
2020-07
装帧:
平装
开本:
16开
作者:
(加)亚历克斯·盖利,(古)路易斯·卡佩罗
出版社:
清华大学出版社
ISBN:
9787302541967
出版时间:
2020-07
售价
¥
42.70
7.2折
定价
¥59.00
品相
全新
上书时间 2023-11-18
卖家超过10天未登录
手机购买
微信扫码访问
商品描述:
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,中国计算机学会不错会员,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,靠前学术会议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》、《大数据搜索与挖掘》、《网络信息检索技术及搜索引擎系统开发》、《大数据搜索与挖掘及可视化管理方案》等学术专著;在电子工业出版社、清华大学出版社、国防工业出版社等出版了高等学校计算机规划教材《数据库原理与应用》、高等院校信息技 目录 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章数据清洗和不错机器学习/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 内容摘要 本书介绍Jupyter、数据清洗、不错机器学习、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。 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。
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间:09月02日 10:30
即将开播,去预约
直播中,去观看