Python深度学习应用

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

装帧: 平装
开本: 16开

售价 42.70 7.2折

定价￥59.00

品相全新

优惠

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2023-11-18

数量: 仅1件在售，欲购从速

立即购买加入购物车收藏

卖家超过10天未登录

三年老店

亿临书店

店铺等级

资质认证

90天平均

成功完成

90.57% (479笔)

好评率

100%

发货时间

6.33小时

店主

书海小灵通

联系

在线交谈离线留言

地址

广东省广州市黄埔区

进店逛逛收藏店铺

商品详情
店铺评价

手机购买

微信扫码访问

商品分类：

教材教辅考试 > 教材 > 大学教材 > 计算机与互联网

货号：

1202083826

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。
- 图2
- 图3
配送说明

...
相似商品
为你推荐

孔网分类

图书

图书

Python深度学习应用

孔网啦啦啦啦啦纺织女工火锅店第三课