 |
-- 會員 / 註冊 --
|
 |
|
|
|
Python快樂編程——TensorFlow深度學習項目實戰 ( 簡體 字) |
| 作者：千鋒教育高教產品研發部 | 類別：1. -> 程式設計 -> Python
2. -> 程式設計 -> 深度學習 |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 52518
詢問書籍請說出此書號！【缺書】
NT售價： 300 元 |
| 出版日：2/1/2020 |
| 頁數： |
| 光碟數：0 |
|
站長推薦：   |
| 印刷： | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787302541264 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：
前言
在瞬息萬變的IT時代，一群懷揣夢想的人創辦了千鋒教育，投身到IT培訓行業。自2011年以來，一批批有志青年加入千鋒教育，為了夢想篤定前行。千鋒教育秉承用良心做教育的理念,為培養“頂級IT精英”而付出一切努力,為什么會有這樣的夢想,我們先來聽一聽用人企業和求職者的心聲:
“現在符合企業需求的IT技術人才非常緊缺，這方面的優秀人才我們會像珍寶一樣對待,可為什么至今沒有合格的人才出現？”
“面試的時候,用人企業問能做什么,這個項目如何來實現,需要多長的時間。我們當時都蒙了，回答不上來。”
“這已經是面試過的第十家公司了，如果再不行的話，是不是要考慮轉行了，難道大學里的四年都白學了？”
“這已經是參加面試的第N個求職者了，都是計算機專業的，當問到項目如何實現，怎么連思路都沒有呢？”
這些心聲并不是個別現象，而是中國社會目前的一種普遍現象。高校的IT教育與企業的真實需求脫節，如果高校的相關教材不能與時俱進，畢業生將面臨難以就業的困境。很多用人單位表示，高校畢業生表象上知識豐富，但絕大多數在實際工作中用之甚少，甚至完全用不上高校學習階段所學知識。針對上述存在的問題，國務院也作出了關于加快發展現代職業教育的決定。很慶幸，千鋒所做的事情就是配合高校達成產學合作。
千鋒教育致力于打造IT職業教育全產業鏈人才服務平臺，在全國擁有數十家分校，數百名講師。我們堅持以教學為本的方針，采用面對面教學的方式，傳授企業實用技能。教學大綱實時緊跟企業需求，擁有全國一體化就業體系。千鋒的價值觀是“做真實的自己，用良心做教育”。
針對高校教師的服務：
(1) 千鋒教育自2011年以來不斷優化IT教育培訓課程，精心設計了包含“教材+授課資源+考試系統+測試題+輔助案例”的教學資源包，節約教師的備課時間，緩解教師的教學壓力，顯著提高教學質量。
(2) 本書配套課件、源代碼、習題答案、教學大綱等電子資源，可從清華大學出版社網站下載。
(3) 本書配備了千鋒教育優秀講師錄制的教學視頻，按本書知識結構體系部署到了教學輔助平臺（扣丁學堂）上，也可直接掃描封底刮刮卡二維碼，登錄文泉課堂觀看視頻，可以作為教學資源使用，也可以作為備課參考。
高校教師如需索要配套教學資源，請關注（扣丁學堂）師資服務平臺，掃描下方二維碼關注微信公眾平臺索取。
扣丁學堂
針對高校學生的服務：
(1) 學IT有疑問,就找“千問千知”。它是一個有問必答的IT社區，平臺上的專業答疑輔導老師承諾工作時間3小時內答復您學習IT時遇到的專業問題。讀者也可以通過掃描下方的二維碼，關注千問千知微信公眾平臺，瀏覽其他學習者在學習中分享的問題和收獲。
千問千知
(2) 學習太枯燥，想了解其他學校的伙伴都是怎樣學習的？你可以加入扣丁俱樂部。“扣丁俱樂部”是千鋒教育聯合各大校園發起的公益計劃，專門面向對IT有興趣的大學生提供免費的學習資源和問答服務，已有超過30多萬名學習者獲益。
就業難，難就業，千鋒教育讓就業不再難！
關于本教材
本教材可作為高等院校本、專科計算機相關專業的Python人工智能入門與進階教材，包含了千鋒教育Python人工智能課程的精華內容，是一本適合廣大計算機編程愛好者的優秀讀物。
搶紅包
本書配套源代碼、習題答案的獲取方法： 添加小千QQ號或微信號2133320438。
注意！小千會隨時發放“助學金紅包”。
致謝
千鋒教育Python教學團隊將多年積累的教學實戰案例進行整合，通過反復精雕細琢最終完成了這本著作。另外，多名院校老師也參與了教材的部分編寫與指導工作。除此之外，千鋒教育500多名學員也參與了教材的試讀工作，他們站在初學者的角度對教材提供了許多寶貴的修改意見，在此一并表示衷心的感謝。
千 鋒 學 科
HTML5前端開發、JavaEE分布式開發、Python全棧+人工智能、全鏈路UI/UE設計、智能物聯網+嵌入式、360網絡安全學院、大數據+人工智能培訓、全棧軟件測試、PHP全棧+服務器集群、云計算+信息安全、Unity游戲開發、區塊鏈。
千 鋒 校 區
北京｜大連｜廣州｜成都｜杭州｜長沙｜哈爾濱｜南京｜上海｜深圳｜武漢｜鄭州｜西安｜青島｜重慶｜太原｜合肥
意 見 反 饋
在本書的編寫過程中，編者雖然力求完美，但難免有一些不足之處，歡迎各界專家和讀者朋友們給予寶貴意見。
編者
2019年9月于北京
|
內容簡介：TensorFlow是Google所主導的機器學習框架，也是機器學習領域研究和應用的熱門對象。 本書主要介紹如何使用TensorFlow庫實現各種各樣的模型，旨在降低學習門檻，并為讀者解決問題提供詳細的方法和指導。全書共10章，分別介紹了TensorFlow基礎知識、聚類、線性回歸、邏輯回歸、不同的神經網絡、規模化運行模型以及庫的應用技巧。 適合想要學習和了解 TensorFlow 和機器學習的讀者閱讀參考。如果讀者具備一定的C++和Python的經驗，將能夠更加輕松地閱讀和學習本書。 |
目錄：第1章初識TensorFlow
1.1深度學習介紹
1.2TensorFlow簡介
1.3TensorFlow環境搭建
1.4TensorFlow測試
1.5本章小結
1.6習題
第2章TensorFlow基礎
2.1張量
2.2會話
2.3變量與占位符
2.4矩陣
2.4.1創建矩陣
2.4.2矩陣基本運算
2.5本章小結
2.6習題
第3章TensorFlow進階
3.1TensorFlow的計算模型
3.1.1計算圖的工作原理
3.1.2計算圖的使用
3.2TensorFlow的嵌入層
3.3TensorFlow的多層
3.4TensorFlow實現損失函數
3.4.1損失函數
3.4.2損失函數工作原理及實現
3.5TensorFlow實現反向傳播
3.5.1反向傳播算法
3.5.2反向傳播算法的工作原理及實現
3.6TensorFlow實現隨機訓練和批量訓練
3.7TensorFlow創建分類器
3.8TensorFlow實現模型評估
3.8.1模型評估方法
3.8.2模型評估工作原理及實現
3.9本章小結
3.10習題
第4章基于TensorFlow的線性回歸
4.1線性回歸簡介
4.2TensorFlow求逆矩陣
4.3TensorFlow求矩陣的分解
4.4TensorFlow實現線性回歸算法
4.5線性回歸中的損失函數
4.6TensorFlow實現戴明回歸
4.7TensorFlow實現Ridge回歸與Lasso回歸
4.8TensorFlow實現邏輯回歸
4.9本章小結
4.10習題
第5章神經網絡算法基礎
5.1神經網絡算法簡介
5.2TensorFlow實現激活函數
5.2.1Sigmoid函數
5.2.2Tanh函數
5.2.3ReLU數
5.3TensorFlow實現單層神經網絡
5.4TensorFlow實現神經網絡常見層
5.5本章小結
5.6習題
第6章數字識別問題
6.1MNIST數據處理
6.2神經網絡模型訓練進階
6.2.1程序與數據的拆分
6.2.2變量管理
6.3TensorFlow模型持久化
6.3.1TensorFlow實現保存或加載模型
6.3.2TensorFlow模型持久化的原理及數據格式
6.4本章小結
6.5習題
第7章TensorFlow實現卷積神經網絡
7.1卷積神經網絡簡介
7.2TensorFlow實現簡單的CNN
7.3TensorFlow實現進階CNN
7.4TensorFlow實現圖片風格渲染
7.5本章小結
7.6習題
第8章圖像數據處理
8.1TFRecords
8.2圖像數據的預處理
8.2.1圖像預處理方法簡介
8.2.2圖像預處理實例
8.3多線程輸入數據處理框架
8.3.1隊列與多線程
8.3.2輸入文件隊列
8.3.3組合訓練數據
8.4數據集的使用方法
8.5本章小結
8.6習題
第9章TensorFlow實現循環神經網絡
9.1循環神經網絡簡介
9.2通過TensorFlow實現垃圾短信預測
9.3通過TensorFlow實現LSTM模型
9.4通過TensorFlow實現多層LSTM模型
9.5本章小結
9.6習題
第10章TensorFlow產品化
10.1TensorFlow的單元測試
10.2TensorFlow并發執行
10.3TensorFlow分布式實踐
10.4TensorFlow產品化開發
10.5本章小結
10.6習題
第11章TensorFlow的進階用法
11.1TensorFlow實現遺傳算法
11.2TensorFlow實現K拟means算法
11.3TensorFlow求解常微分方程
11.4本章小結
11.5習題
第12章TensorFlow高層封裝
12.1TensorFlow的常見封裝方法簡介
12.2Keras
12.2.1序貫模型
12.2.2函數式模型
12.3Estimator
12.3.1Estimator的基本用法
12.3.2Estimator自定義模型
12.4本章小結
12.5習題
第13章TensorFlow可視化
13.1TensorBoard簡介
13.2TensorBoard可視化
13.2.1TensorFlow命名空間與TensorBoard圖上節點
13.2.2TensorBoard節點信息
13.3本章小結
13.4習題
第14章TensorFlow實現車牌識別
14.1項目簡介
14.2生成訓練數據集
14.3數據讀取
14.4構建神經網絡模型
14.5開始模型訓練
14.6測試模型準確度
14.7本章小結 |
| 序： |
|
