《TensorFlow機器學習項目開發實戰》是2019年9月清華大學出版社出版的圖書，作者是[印]安奇特·簡恩。
基本介紹
- 書名：TensorFlow機器學習項目開發實戰
- 作者：安奇特·簡恩
- 譯者：熊愛華
- ISBN：9787302535546
- 定價：89元
- 出版社：清華大學出版社
- 出版時間：2019.09
內容簡介,圖書目錄,
內容簡介
本書詳細闡述了與TensorFlow項目開發相關的基本解決方案，主要包括TensorFlow和機器學習概述、利用機器學習探測外太空中的系外行星、情感分析、數字分類、語音到文本的轉換、預測股票價格、信用卡欺詐檢測、貝葉斯深度學習、圖像匹配和分類、推薦系統、大規模對象檢測、生成圖書腳本、深度強化學習與遊戲、部署機器學習模型等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。
本書既可作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學教材和參考手冊。
圖書目錄
第1章 TensorFlow和機器學習概述 1
1.1 關於 TensorFlow 1
1.2 TensorFlow 核心 API 2
1.3 計算圖 11
1.4 機器學習、分類和邏輯回歸 18
1.5 使用 TensorFlow 進行邏輯回歸 21
1.6 使用 Keras 進行邏輯回歸 24
1.7 小結 26
1.8 問題 26
1.9 延伸閱讀 26
第2章 利用機器學習探測外太空中的系外行星 27
2.1 關於決策樹 27
2.2 集成學習的必要性 28
2.3 基於決策樹的集成方法 29
2.4 TensorFlow 中基於決策樹的集成 32
2.5 探測外太空的系外行星 34
2.6 建立用於系外行星探測的 TFBT 模型 38
2.7 小結 42
2.8 問題 42
2.9 延伸閱讀 43
第3章 使用TensorFlow.js在瀏覽器中進行情感分析 44
3.1 理解 TensorFlow.js 45
3.2 理解 Adam 最佳化 46
3.3 理解分類交叉熵損失 46
3.4 理解單詞嵌入 47
3.5 構建情感分析模型 48
3.6 使用 TensorFlow.js 在瀏覽器中運行模型 51
3.7 小結 55
3.8 問題 55
第4章 使用TensorFlow Lite進行數字分類 56
4.1 關於 TensorFlow Lite 56
4.2 分類模型評估指標 58
4.3 使用 TensorFlow Lite 對數字進行分類 59
4.4 小結 69
4.5 問題 70
第5章 使用NLP進行從語音到文本的轉換和主題的提取 71
5.1 關於 Speech-to-Text 框架和工具包 71
5.2 Google 語音命令數據集 72
5.3 神經網路架構 73
5.4 訓練模型 74
5.5 小結 77
5.6 問題 77
5.7 延伸閱讀 77
第6章 使用高斯過程回歸預測股票價格 79
6.1 理解貝葉斯規則 79
6.2 貝葉斯推理 80
6.3 高斯過程 81
6.4 將高斯過程套用於股市預測 84
6.5 創建股票價格預測模型 86
6.6 理解獲得的結果 89
6.7 小結 99
6.8 問題 99
第7章 使用自動編碼器進行信用卡欺詐檢測 100
7.1 理解自動編碼器 100
7.2 構建欺詐檢測模型 101
7.3 小結 111
7.4 問題 111
第8章 使用貝葉斯神經網路生成交通標誌分類器中的不確定性 112
8.1 理解貝葉斯深度學習 112
8.2 神經網路中的貝葉斯規則 113
8.3 理解 TensorFlow Probability、變分推斷和蒙特卡羅方法 114
8.4 構建貝葉斯神經網路 116
8.5 定義、培訓和測試模型 118
8.6 小結 129
8.7 問題 130
第9章 使用DiscoGAN從鞋子圖像生成匹配的手提包圖像 131
9.1 理解生成模型 131
9.2 理解 DiscoGAN 135
9.3 構建 DiscoGAN 模型 139
9.4 小結 148
9.5 問題 149
第10章 使用膠囊網路對服裝圖像進行分類 150
10.1 理解膠囊網路的重要性 150
10.2 理解膠囊 151
10.3 動態路由算法 153
10.4 用於對 Fashion MNIST 圖像進行分類的膠囊網路 156
10.5 訓練和測試模型 160
10.6 重建樣本圖像 167
10.7 膠囊網路的局限性 169
10.8 小結 170
第11章 使用TensorFlow製作商品推薦系統 172
11.1 推薦系統 172
11.2 基於內容的過濾 173
11.3 協同過濾 174
11.4 混合系統 174
11.5 矩陣分解 175
11.6 Retailrocket 數據集簡介 175
11.7 Retailrocket 數據集深入探究 176
11.8 預處理數據 177
11.9 Retailrocket 數據集推薦系統的矩陣分解模型 178
11.10 Retailrocket 數據集推薦系統的神經網路模型 181
11.11 小結 183
11.12 問題 183
11.13 延伸閱讀 183
第12章 使用TensorFlow進行大規模的對象檢測 184
12.1 Apache Spark 簡介 185
12.2 理解分散式 TensorFlow 186
12.3 理解 TensorFlowOnSpark 191
12.4 使用 TensorFlowOnSpark 和 Sparkdl 進行對象檢測 197
12.5 小結 202
第13章 使用LSTM生成圖書腳本 204
13.1 理解循環神經網路 204
13.2 預處理數據 205
13.3 定義模型 207
13.4 訓練模型 208
13.5 定義和訓練文本生成模型 208
13.6 生成圖書腳本 214
13.7 小結 217
13.8 問題 217
第14章 使用深度強化學習玩《吃豆人》遊戲 218
14.1 強化學習 219
14.2 強化學習與監督學習和無監督學習的對比 219
14.3 強化學習的組成部分 220
14.4 OpenAI Gym 工具包 220
14.5 在 OpenAI Gym 中創建《吃豆人》遊戲 222
14.6 用於深度強化學習的 DQN 224
14.7 將 DQN 套用於遊戲 225
14.8 小結 230
14.9 延伸閱讀 230
第15章 在生產環境中部署機器學習模型 231
15.1 在生產環境中實現 TensorFlow 231
15.2 建立 AI 應用程式的建議 237
15.3 深度學習的局限性 238
15.4 AI 在行業中的套用 238
15.5 AI 中的倫理道德考慮因素 239
15.6 小結 240
