通过最近的一系列突破,深度学习推动了整个机器学习领域的发展。现在,即使对这种技术几乎一无所知的程序员也可以使用简单、有效的工具来实现能够从数据中学习的程序。这本畅销书使用了具体的例子、最小理论和可用于生产的Python框架(Scikit-Learn、Keras和TensorFlow),帮助您直观地理解构建智能系统的概念和工具。

https://www.oreilly.com/library/view/hands-on-machine-learning/9781098125967/

在这个更新的第三版中,作者Aurélien Géron探索了一系列技术,从简单的线性回归到深度神经网络。本书中大量的代码示例和练习可以帮助您应用所学到的知识。你只需要有编程经验就可以开始了。

使用Scikit-learn从头到尾跟踪一个示例ML项目 探索多种模型,包括支持向量机、决策树、随机森林和集成方法 利用非监督学习技术,如降维、聚类和异常检测 深入研究神经网络体系结构,包括卷积网、循环网、生成对抗网络、自动编码器、扩散模型和Transformer 使用TensorFlow和Keras来构建和训练神经网络,用于计算机视觉、自然语言处理、生成模型和深度强化学习

成为VIP会员查看完整内容
63

相关内容

书籍在狭义上的理解是带有文字和图像的纸张的集合。广义的书则是一切传播信息的媒体。
【2022新书】深度学习R语言实战,第二版,568页pdf
专知会员服务
85+阅读 · 2022年10月23日
【Manning新书】TensorFlow机器学习,454页pdf
专知会员服务
103+阅读 · 2021年11月14日
让每一位开发者皆可使用机器学习技术
谷歌开发者
0+阅读 · 2022年6月30日
【Manning新书】TensorFlow机器学习,第二版
专知
4+阅读 · 2021年11月14日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
8+阅读 · 2008年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年12月29日
Arxiv
0+阅读 · 2022年12月29日
Arxiv
14+阅读 · 2022年10月15日
Cold-start Sequential Recommendation via Meta Learner
Arxiv
15+阅读 · 2020年12月10日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Arxiv
15+阅读 · 2019年9月30日
Arxiv
26+阅读 · 2018年8月19日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
8+阅读 · 2008年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年12月29日
Arxiv
0+阅读 · 2022年12月29日
Arxiv
14+阅读 · 2022年10月15日
Cold-start Sequential Recommendation via Meta Learner
Arxiv
15+阅读 · 2020年12月10日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Arxiv
15+阅读 · 2019年9月30日
Arxiv
26+阅读 · 2018年8月19日
微信扫码咨询专知VIP会员