《深度學習處理結構化數據實戰》是清華大學出版社2022年出版的圖書，作者是[加] 馬克·瑞安(Mark Ryan)，譯者是史躍東。
基本介紹
- 中文名：深度學習處理結構化數據實戰
- 作者：[加] 馬克·瑞安(Mark Ryan)
- 譯者：史躍東
- 出版社：清華大學出版社
- 出版時間：2022年1月
- 定價：79.8 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787302591290
內容簡介,圖書目錄,
內容簡介
告訴你一個不太光彩的秘密：在大多數數據科學項目中，有一半的時間都花在清理和準備數據上了。但還有更好的方法：針對表格數據和關係資料庫進行最佳化的 深度學習技術，無需密集的特性工程，就能提供洞察和分析。學習使用少量的數據過濾、驗證和清洗，就能解鎖深度學習性能的技能。
《深度學習處理結構化數據實戰》傳授面向表格數據和關係資料庫的強大數據分析技術。該書從多倫多公交系統的數據集出發，帶你領略用深度學習處理表格化數據的簡易性和便捷性，並教你解決在生產環境中部署模型和監控模型性能等關鍵問題。
主要內容
何時何地使用深度學習技術
Keras深度學習模型的架構
訓練、部署以及維護模型
量化評估性能
圖書目錄
第1章 為何要使用結構化數據進行深度學習
1．1 深度學習概述
1．2 深度學習的優缺點
1．3 深度學習軟體棧概述
1．4 結構化數據與非結構化數據
1．5 反對使用結構化數據進行深度學習的相關意見
1．6 為何要研究基於結構化數據的深度學習問題？
1．7 本書附帶的代碼概述
1．8 你應該知道的內容
1．9 本章小結
第2章 示例問題和Pandas數據幀簡介
2．1 深度學習開發環境選項
2．2 探索Pandas的代碼
2．3 Python中的Pandas數據幀
2．4 將CSV檔案提取到Pandas數據幀中
2．5 使用Pandas來完成SQL操作
2．6 主示例：預測有軌電車的延誤情況
2．7 為何真實世界的數據集對於掌握深度學習至關重要
2．8 輸入數據集的格式和範圍
2．9 目的地：端到端的解決方案
2．10 有關解決方案代碼的更多細節
2．11 開發環境：普通環境與深度學習專用環境
2．12 深入研究反對深度學習的意見
2．13 深度學習是如何變得更易於使用的
2．14 訓練深度學習模型初試
2．15 本章小結
第3章 準備數據1：探索及清理數據
3．1 探索及清理數據的代碼
3．2 在Python中使用配置檔案
3．3 將XLS檔案提取到Pandas數據幀中
3．4 使用pickle將Pandas數據幀從一個會話保存到另一個會話中
3．5 探索數據
3．6 將數據分為連續型、分類型以及文本型
3．7 清理數據集中存在的問題：數據丟失、錯誤以及猜測
3．8 確定深度學習需要多少數據
3．9 本章小結
第4章 準備數據2：轉換數據
4．1 準備及轉換數據的代碼
4．2 處理不正確的數值：路線
4．3 為何只能用單個替代值來換掉所有錯誤的值？
4．4 處理不正確的值：車輛
4．5 處理不一致的值：位置
4．6 去向遠方：位置
4．7 處理類型不匹配問題
4．8 處理依然包含錯誤數據的行
4．9 創建派生列
4．10 準備非數值型數據來訓練深度學習模型
……
第5章 準備並構建模型
第6章 模型訓練與實驗
第7章 對已訓練的模型進行更多實驗
第8章 模型部署
第9章 建議的後繼步驟
附錄 使用Google協作
實驗室（Google Colaboratory）
