【下载】Python迁移学习实战书籍和代码《Hands-On Transfer Learning with Python》

2018 年 10 月 16 日 专知

【导读】英特尔数据科学家Dipanjan Sarkar等人最新撰写的Python迁移学习实战书籍《Hands-On Transfer Learning with Python》介绍使用Tensorflow和Keras实现基于前沿的深度学习模型和迁移学习示例。这本书，旨在帮助实践者储备在各自领域中使用这些技术的能力。本书大致分为三个部分:深度学习基础、迁移学习要点和迁移学习案例研究，本书从ML和深度学习的核心基本概念开始，然后介绍了迁移学习的概念和预训练的一些网络模型，如VGG、Inception和ResNet。本书还介绍了如何提高深度学习模型的性能。最后，本书将重点讨论计算机视觉、音频分析和自然语言处理(NLP)等领域的大量实际案例研究和问题。随书同时提供代码，可以让你动手测试改进。

书籍pdf没有放出来，其代码在GitHub上已经open，包含本书中使用的所有代码、笔记和示例。

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知），

后台回复“TLP” 就可以获取Python迁移学习实战代码下载~

▌图书介绍

迁移学习是一种机器学习（ML）技术，其中在训练一组ML问题期间获得的知识可用于训练其他相似类型的问题。本书的目的是双重的。其一是专注于深度学习和迁移学习的详细介绍，将两者使用易于理解的概念和示例进行比较和对比。其二是关注一些实际问题的研究，并使用tensorflow，keras和Python等来实现。

本书从ML和深度学习的核心基本概念开始，接着介绍了一些重要的深度学习框架，如CNNs、DNNs、RNNs、LSTMs和胶囊网络。然后本书的重点转移到迁移学习的概念和预训练的一些网络模型，如VGG、Inception和ResNet。本书还介绍了如何提高深度学习模型的性能。最后，本书将重点讨论计算机视觉、音频分析和自然语言处理(NLP)等领域的大量实际案例研究和问题。

主要特点:

用Python中的迁移学习原则构建深度学习模型
实现迁移学习用以解决现实世界的一些问题
执行一些复杂的操作，如图像字幕的风格转移

你将会学到:

使用图形处理单元(GPU)和cloud建立你自己的深度学习环境
用ML和DL模型研究迁移学习原理
探索各种DL架构，包括CNN、LSTM和胶囊网络
了解数据和网络表示及损失函数
掌握迁移学习的模式和策略
从头开始构建复杂的迁移学习模型，克服潜在的挑战
探索与计算机视觉和音频分析有关的现实研究问题
了解在NLP中如何利用迁移学习

关于读者

“Python迁移学习实战”是为对数据感兴趣的数据科学家、ML工程师、分析师和开发人员提供的，他们可以使用最前沿的迁移学习方法来解决现实世界中的难题。精通ML和Python是必须的。

关于作者

Dipanjan（DJ）Sarkar是英特尔的数据科学家，他利用数据科学，机器学习和深度学习来构建大规模智能系统。他拥有数据科学和软件工程专业的技术硕士学位。他多年来一直从事分析工作，专攻机器学习、NLP、统计方法和深度学习。他对教育充满热情，在Springboard等各种组织中担任数据科学导师，帮助人们学习数据科学。他还是 “Towards Data Science”的主要撰稿人和编辑，这是一本关于人工智能和数据科学的领先在线期刊。他还撰写了几本关于R，Python，机器学习，NLP和深度学习的书籍。

Raghav Bali是Optum（联合健康集团）的数据科学家。他的工作涉及研究和开发基于机器学习，深度学习和自然语言处理的医疗保险和保险相关用例的企业级解决方案。在他之前在英特尔工作期间，他参与了主动数据驱动的IT计划。他还在ERP和金融领域与世界上一些主要组织合作。 Raghav还与几家知名出版商合作出版了多本书。Raghav拥有班加罗尔国际信息技术学院信息技术硕士学位（金牌得主）。

Tamoghna Ghosh是英特尔公司的一名机器学习工程师。他有11年的工作经验，包括在微软印度研究院(MSR) 4年的核心研究经验。在MSR，他做过分组密码密码分析的研究助理。他的技术专长是大数据、机器学习、NLP、信息检索、数据可视化和软件开发。他获得了印度统计研究所，加尔各答的M.Tech（计算机科学）学位和加尔各答大学的数学硕士学位，专攻功能分析和数学建模/动力系统。他对教学充满热情，并为英特尔公司进行不同层次的数据科学内部培训。

参考：

https://www.packtpub.com/big-data-and-business-intelligence/hands-transfer-learning-python

https://github.com/dipanjanS/hands-on-transfer-learning-with-python

▌详细目录