TensorFlow实战 - 第2页

...的实践及竞赛感兴趣的读者，从零开始，以Python编程语言为基础，在不涉及大量数学模型与复杂编程知识的前提下，逐步带领读者熟悉并且掌握当下最流行的机器学习、数据挖掘与自然语言处理工具，如Scikitlearn、NLTK、Pandas、gensim、XGBoost、Google Tensorflow...

...资深工程师，也是TensorFlow.js的核心开发人员。你将了解JavaScript与深度学习结合的独特优势，掌握客户端预测与分析、图像识别、监督学习、迁移学习、强化学习等核心概念，并动手在浏览器中实现计算机视觉和音频处理以及自然语言处理，构建...

...中，读者会加深对PyTorch、TensorFlow 和Chainer 等现代深度学习框架的理解，看清深度学习框架的本质。本书沿袭《深度学习入门：基于Python 的理论与实现》的风格，语言通俗，代码简洁，讲解详细。在自制框架的过程中，读者...

本书介绍了数据科学领域常用的所有重要机器学习算法以及 TensorFlow 和特征工程等相关内容。涵盖的算法包括线性回归、逻辑回归、支持向量机、朴素贝叶斯、k 均值、随机森林等，这些算法可以用于监督学习、非监督学习、强化...

...从理论和实践两个层面介绍了深度学习的各种方法，以及深度学习在图像识别等领域的应用案例。内容涉及神经网络、卷积神经网络、受限玻尔兹曼机、自编码器、泛化能力的提高等。此外，还介绍了包括 Theano、Pylearn2、Caffe、DIGITS、Chainer 和 TensorFlow...

...TensorFlow、Keras、NumPy、SciPy、scikit-learn 等），这些库可以帮助分析师做出基于数据分析的高效投资决策。 书中结合常见的金融概念（如股票、期权、利率及其他金融衍生品等）讲解如何开发金融应用程序以及利用不同的算法实现风险分析...

...Keras和TensorFlow等，系统性地梳理和分析了各种经典算法，并通过Python语言以具体代码示例的方式深入浅出地介绍了各种算法的应用，还给出了从情感分析到神经网络的一些实践技巧，这些内容能使你快速解决...