机器学习书籍中的“灭霸”!一书在手!天下我有!附赠PDF电子版
大多数人听到“机器学习”,往往会在脑海中勾勒出一个机器人:一个可靠的管家,或是一个可怕的终结者,这取决于你问的是谁。但是机器学习并不是未来的幻想,它已经来到我们身边了。事实上,一些特定领域已经应用机器学习几十年了,比如光学字符识别 (OpticalCharacter Recognition,OCR)。但是直到 1990 年代,第一个影响了数亿人的机器学习应用才真正成熟,它就是垃圾邮件过滤器(spam filter)。虽然并不是一个有自我意识的天网系统(Skynet),垃圾邮件过滤器从技术上是符合机器学习的(它可以很好地进行学习,用户几乎不用再标记某个邮件为垃圾邮件)。后来出现了更多的数以百计的机器学习产品,支撑了更多你经常使用的产品和功能,从推荐系统到语音识别。
机器学习的起点和终点分别是什么呢?确切的讲,机器进行学习是什么意思?如果我下载了一份维基百科的拷贝,我的电脑就真的学会了什么吗?它马上就变聪明了吗?在本章中,我们首先会澄清机器学习到底是什么,以及为什么你要使用它。然后,在我们出发去探索机器学习新大陆之前,我们要观察下地图,以便知道这片大陆上的主要地区和最明显的地标:监督学习vs非监督学习,在线学习vs批量学习,基于实例vs基于模型学习。然后,我们会学习一个典型的机器学习项目的工作流程,讨论可能碰到的难点,以及如何评估和微调一个机器学习系统。
目錄
Sklearn 与 TensorFlow 机器学习实用指南
零、前言
一、机器学习概览
二、一个完整的机器学习项目
三、分类
四、训练模型
五、支持向量机
六、决策树
七、集成学习和随机森林
八、降维
九、启动并运行 TensorFlow
十、人工神经网络介绍
十一、训练深层神经网络
十二、设备和服务器上的分布式 TensorFlow
十三、卷积神经网络
十四、循环神经网络
十五、自编码器
十六、强化学习
附录 C、SVM 对偶问题
附录 D、自动微分
书籍的分享格式为PDF电子版,小伙伴们手机也可以阅读学习哦!
书籍终归只是辅助,想要真的深入学习,当然还要有系统的学习方法和学习教程才可以让你在学习的路上一帆风顺哦!