鸠摩搜书下载
暂无已核验电子书资源；本站不展示未授权完整文件。
下载《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）》内容简介与阅读建议
获取这本书 暂无已核验电子书资源
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）》内容简介
本书分为两大部分：di一部分主要基于Scikit-Learn，介绍机器学习的基础算法;第二部分则使用TensorFlow和Keras，介绍神经网络与深度学习。此外，附录部分的内容也非常丰富，包括课后练习题解答、机器学习项目清单、SVM对偶问题、自动微分和特殊数据结构等。书中内容广博，覆盖了机器学习的各个领域，不仅介绍了传统的机器学习模型，包括支持向量机、决策树、随机森林和集成方法，还提供了使用Scikit-Learn进行机器学习的端到端训练示例。作者尤其对深度神经网络进行了深入的探讨，包括各种神经网络架构、强化学习，以及如何使用TensorFlow/Keras库来构建和训练神经网络。本书兼顾理论与实战，既适合在校学生，又适合有经验的工程师。
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）》书籍信息摘要
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）》内容简介与阅读建议，作者 [法]奥雷利安·杰龙（AurélienGéron），科技技术，2024年。获取前建议核对作者、出版社、年份、ISBN、版本和正版渠道。相关主题：机器学习、TensorFlow、Scikit-Learn、计算机类。
- 作者：[法]奥雷利安·杰龙（AurélienGéron）
- 分类：科技技术
- 出版年份：2024
- 出版社：机械工业出版社
- 页数：724 页
- 语言：中文
- 格式：暂无已核验合规下载格式
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）》适合哪些读者？
适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。 评分 8.5 可作为选书参考。
获取建议
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）》怎么获取更合适？
优先确认版本和阅读目的；下载区只展示已核验的公版、授权、开放许可或官方试读资源。
版本
优先选择作者、译者、出版社、出版年份和 ISBN 信息明确的版本；经典作品可优先选择校注、导读或权威出版社版本。
目录
- 前言1
- 第一部分 机器学习的基础知识11
- 第1章 机器学习概览13
- 1.1 什么是机器学习14
- 1.2 为什么使用机器学习14
- 1.3 应用示例17
- 1.4 机器学习系统的类型18
- 1.5 机器学习的主要挑战33
展开全部（共 169 章节）
- 1.6 测试和验证39
- 1.7 练习题43
- 第2章 端到端机器学习项目44
- 2.1 使用真实数据44
- 2.2 放眼大局46
- 2.3 获取数据50
- 2.4 探索和可视化数据以获得见解63
- 2.5 为机器学习算法准备数据69
- 2.6 选择和训练模型87
- 2.7 微调模型91
- 2.8 启动、监控和维护系统96
- 2.9 试试看99
- 2.10 练习题99
- 第3章 分类101
- 3.1 MNIST101
- 3.2 训练二元分类器104
- 3.3 性能测量104
- 3.4 多类分类115
- 3.5 错误分析118
- 3.6 多标签分类121
- 3.7 多输出分类123
- 3.8 练习题124
- 第4章 训练模型126
- 4.1 线性回归127
- 4.2 梯度下降132
- 4.3 多项式回归141
- 4.4 学习曲线143
- 4.5 正则化线性模型146
- 4.6 逻辑回归153
- 4.7 练习题162
- 第5章 支持向量机164
- 5.1 线性SVM分类164
- 5.2 非线性SVM分类167
- 5.3 SVM回归172
- 5.4 线性SVM分类器的工作原理174
- 5.5 对偶问题176
- 5.6 练习题180
- 第6章 决策树181
- 6.1 训练和可视化决策树181
- 6.2 做出预测182
- 6.3 估计类概率185
- 6.4 CART训练算法185
- 6.5 计算复杂度186
- 6.6 基尼杂质或熵186
- 6.7 正则化超参数187
- 6.8 回归189
- 6.9 对轴方向的敏感性191
- 6.10 决策树具有高方差192
- 6.11 练习题193
- 第7章 集成学习和随机森林194
- 7.1 投票分类器194
- 7.2 bagging和pasting198
- 7.3 随机森林202
- 7.4 提升法204
- 7.5 堆叠法212
- 7.6 练习题215
- 第8章 降维216
- 8.1 维度的诅咒217
- 8.2 降维的主要方法218
- 8.3 PCA221
- 8.4 随机投影228
- 8.5 LLE230
- 8.6 其他降维技术232
- 8.7 练习题234
- 第9章 无监督学习技术235
- 9.1 聚类算法：k均值和DBSCAN236
- 9.2 高斯混合模型256
- 9.3 练习题265
- 第二部分 神经网络与深度学习267
- 第10章 Keras人工神经网络简介269
- 10.1 从生物神经元到人工神经元270
- 10.2 使用Keras实现MLP284
- 10.3 微调神经网络超参数308
- 10.4 练习题316
- 第11章 训练深度神经网络319
- 11.1 梯度消失和梯度爆炸问题319
- 11.2 重用预训练层333
- 11.3 更快的优化器338
- 11.4 学习率调度346
- 11.5 通过正则化避免过拟合350
- 11.6 总结和实用指南357
- 11.7 练习题358
- 第12章 使用TensorFlow自定义模型和训练360
- 12.1 TensorFlow快速浏览360
- 12.2 像使用NumPy一样使用TensorFlow363
- 12.3 自定义模型和训练算法368
- 12.4 TensorFlow函数和图387
- 12.5 练习题392
- 第13章 使用TensorFlow加载和预处理数据394
- 13.1 tf.data API395
- 13.2 TFRecord格式405
- 13.3 Keras预处理层411
- 13.4 TensorFlow数据集项目425
- 13.5 练习题427
- 第14章 使用卷积神经网络进行深度计算机视觉429
- 14.1 视觉皮层的结构429
- 14.2 卷积层431
- 14.3 池化层439
- 14.4 使用Keras实现池化层441
- 14.5 CNN架构443
- 14.6 使用Keras实现ResNet-34 CNN460
- 14.7 使用Keras的预训练模型462
- 14.8 使用预训练模型进行迁移学习463
- 14.9 分类和定位466
- 14.10 物体检测467
- 14.11 物体跟踪474
- 14.12 语义分割475
- 14.13 练习题478
- 第15章 使用RNN和CNN处理序列480
- 15.1 循环神经元和层481
- 15.2 训练RNN484
- 15.3 预测时间序列485
- 15.4 处理长序列505
- 15.5 练习题515
- 第16章 基于RNN和注意力机制的自然语言处理516
- 16.1 使用字符RNN生成莎士比亚文本517
- 16.2 情感分析525
- 16.3 用于神经机器翻译的编码器-解码器网络532
- 16.4 注意力机制541
- 16.5 Transformer模型的雪崩554
- 16.6 视觉Transformer558
- 16.7 Hugging Face的Transformer库562
- 16.8 练习题566
- 第17章 自动编码器、GAN和扩散模型568
- 17.1 有效的数据表示569
- 17.2 使用不完备的线性自动编码器执行PCA571
- 17.3 堆叠式自动编码器572
- 17.4 卷积自动编码器579
- 17.5 去噪自动编码器580
- 17.6 稀疏自动编码器582
- 17.7 变分自动编码器584
- 17.8 生成Fashion MNIST图像588
- 17.9 生成对抗网络589
- 17.10 扩散模型602
- 17.11 练习题608
- 第18章 强化学习610
- 18.1 学习优化奖励611
- 18.2 策略搜索612
- 18.3 OpenAI Gym介绍614
- 18.4 神经网络策略617
- 18.5 评估动作：信用分配问题619
- 18.6 策略梯度620
- 18.7 马尔可夫决策过程624
- 18.8 时序差分学习628
- 18.9 Q学习629
- 18.10 实现深度Q学习632
- 18.11 深度Q学习的变体636
- 18.12 一些流行的RL算法概述640
- 18.13 练习题643
- 第19章 大规模训练和部署TensorFlow模型645
- 19.1 为TensorFlow模型提供服务646
- 19.2 将模型部署到移动设备或嵌入式设备664
- 19.3 在Web页面中运行模型666
- 19.4 使用GPU加速计算668
- 19.5 跨多个设备训练模型676
- 19.6 练习题694
- 致读者694
- 附录A 机器学习项目清单697
- 附录B 自动微分703
- 附录C 特殊数据结构710
- 附录D TensorFlow图716
合规获取说明
当前暂无已核验电子书资源。若是商业出版物，建议优先通过出版社、书店或官方电子书平台获取。
常见问题
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）》适合谁读？
适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。 评分 8.5 可作为选书参考。
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）》阅读难度高吗？
建议先看简介、目录、作者和相关书籍，再判断是否适合当前阶段阅读。
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）》纸质书值得买吗？
当前暂未接入已核验的纸质书购买链接，建议通过出版社、京东、当当等正版渠道核对版本后购买。
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）》哪个版本更适合？
优先选择作者、译者、出版社、出版年份和 ISBN 信息清楚的版本；经典作品可优先选择校注、导读或权威出版社版本。
在哪里可以合法获取《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）》？
当前没有确认授权的电子书下载资源，也暂未接入已核验购买链接；商业出版物不提供未授权下载，建议通过出版社、京东、当当或官方电子书平台核对获取。
如何继续查找《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第3版）》相关书籍？
可以进入 [法]奥雷利安·杰龙（AurélienGéron） 作者页查看其他作品，也可以通过分类、标签、排行榜、人工推荐和“读完这本还可以读”继续发现相近主题。
相关书籍
