TensorFlow深度學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)
定 價(jià)：79.9 元
- 作者：[美]盧卡·馬薩羅(Luca Massaron)[美]阿爾貝托·博斯凱蒂(Alberto Boschetti)[美]阿列克謝·格里高瑞夫(Alexey Grigorev)等
- 出版時(shí)間：2022/4/1
- ISBN：9787115563897
- 出 版 社：人民郵電出版社
- 中圖法分類：TP181
- 頁碼：234
- 紙張：
- 版次：01
- 開本：16開
本書旨在利用 TensorFlow 針對(duì)各種現(xiàn)實(shí)場(chǎng)景設(shè)計(jì)深度學(xué)習(xí)系統(tǒng)，引導(dǎo)讀者實(shí)現(xiàn)有趣的深度學(xué)習(xí)項(xiàng)目。本書涵蓋 10 個(gè)實(shí)踐項(xiàng)目，如用目標(biāo)檢測(cè) API 標(biāo)注圖像、利用長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）預(yù)測(cè)股票價(jià)格、構(gòu)建和訓(xùn)練機(jī)器翻譯模型、檢測(cè) Quora 數(shù)據(jù)集中的重復(fù)問題等。通過閱讀本書，讀者可以了解如何搭建深度學(xué)習(xí)的 TensorFlow 環(huán)境、如何構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)以有效地處理圖像、如何利用長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股票價(jià)格，以及如何實(shí)現(xiàn)一個(gè)能夠自己玩電子游戲的人工智能（AI）！
本書適合數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域的從業(yè)者以及人工智能技術(shù)的愛好者閱讀。
1.用TensorFlow框架針對(duì)現(xiàn)實(shí)場(chǎng)景設(shè)計(jì)深度學(xué)習(xí)系統(tǒng)，實(shí)現(xiàn)有趣的深度學(xué)習(xí)項(xiàng)目。
2.10個(gè)真實(shí)項(xiàng)目，側(cè)重于實(shí)戰(zhàn)，涵蓋圖像處理、推薦系統(tǒng)、股票價(jià)格預(yù)測(cè)和訓(xùn)練聊天機(jī)器人、機(jī)器翻譯系統(tǒng)和基于強(qiáng)化學(xué)習(xí)的電子游戲等實(shí)際應(yīng)用
3.適合數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域的從業(yè)者以及人工智能技術(shù)的愛好者閱讀。
Luca Massaron 是一名數(shù)據(jù)科學(xué)家，也是一家公司的市場(chǎng)研究總監(jiān)，長(zhǎng)期從事多元統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)和客戶分析等工作，有 10 多年的解決實(shí)際問題的經(jīng)驗(yàn)，擅長(zhǎng)運(yùn)用推理、統(tǒng)計(jì)、數(shù)據(jù)挖掘和算法為客戶創(chuàng)造價(jià)值。他對(duì)數(shù)據(jù)分析技術(shù)非常感興趣，樂于向?qū)I(yè)人員和非專業(yè)人員展示數(shù)據(jù)驅(qū)動(dòng)的知識(shí)發(fā)現(xiàn)的巨大潛力。他堅(jiān)信通過簡(jiǎn)單明了的解釋和對(duì)行業(yè)的基本理解可以實(shí)現(xiàn)很多目標(biāo)。
Alberto Boschetti 是一名數(shù)據(jù)科學(xué)家，在信號(hào)處理和統(tǒng)計(jì)方面有豐富的經(jīng)驗(yàn)。他擁有通信工程博士學(xué)位，目前從事自然語言處理、機(jī)器學(xué)習(xí)和分布式處理等方向的工作。他經(jīng)常參加學(xué)術(shù)討論、大型會(huì)議和其他活動(dòng)，關(guān)注數(shù)據(jù)科學(xué)技術(shù)的最新進(jìn)展。
Alexey Grigorev 是經(jīng)驗(yàn)豐富的數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)工程師和軟件開發(fā)人員，擁有超過8年的專業(yè)經(jīng)驗(yàn)。他原是一名 Java 開發(fā)人員，后轉(zhuǎn)而從事數(shù)據(jù)科學(xué)工作。現(xiàn)在，Alexey 是Simplaex 公司的數(shù)據(jù)科學(xué)家，主要使用 Java 和 Python 進(jìn)行數(shù)據(jù)清理、數(shù)據(jù)分析和建模。他擅長(zhǎng)的領(lǐng)域是機(jī)器學(xué)習(xí)和文本挖掘。
Abhishek Thakur 是一名數(shù)據(jù)科學(xué)家，主要關(guān)注應(yīng)用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。他在 2014 年獲得了德國(guó)波恩大學(xué)的計(jì)算機(jī)科學(xué)碩士學(xué)位，之后在多個(gè)行業(yè)工作。他的研究方向是自動(dòng)化機(jī)器學(xué)習(xí)。他熱衷于參加機(jī)器學(xué)習(xí)競(jìng)賽，在 Kaggle 競(jìng)賽中獲得過的好成績(jī)?nèi)虻谌?
第 1章 用卷積神經(jīng)網(wǎng)絡(luò)識(shí)別交通標(biāo)志 1
1.1 數(shù)據(jù)集 1
1.2 卷積神經(jīng)網(wǎng)絡(luò) 2
1.3 圖像預(yù)處理 3
1.4 訓(xùn)練模型并進(jìn)行預(yù)測(cè) 6
1.5 后續(xù)問題 12
1.6 小結(jié) 12
第 2章 用目標(biāo)檢測(cè)API標(biāo)注圖像 13
2.1 微軟常見物體數(shù)據(jù)集 13
2.2 TensorFlow的目標(biāo)檢測(cè)API 16
2.3 展示項(xiàng)目計(jì)劃 18
2.3.1 為項(xiàng)目搭建合適的開發(fā)環(huán)境 19
2.3.2 protobuf編譯 20
2.4 準(zhǔn)備項(xiàng)目代碼 20
2.4.1 一些簡(jiǎn)單應(yīng)用 31
2.4.2 網(wǎng)絡(luò)攝像頭實(shí)時(shí)檢測(cè) 34
2.5 致謝 36
2.6 小結(jié) 36
第3章 圖像的描述生成 37
3.1 什么是描述生成 37
3.2 探索圖像描述數(shù)據(jù)集 38
3.3 把單詞轉(zhuǎn)換為詞嵌入 40
3.4 描述圖像的方法 42
3.4.1 條件隨機(jī)場(chǎng) 42
3.4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的循環(huán)神經(jīng)網(wǎng)絡(luò) 43
3.4.3 描述排序 44
3.4.4 密集描述 45
3.4.5 循環(huán)神經(jīng)網(wǎng)絡(luò)描述 46
3.4.6 多模態(tài)描述 46
3.4.7 基于注意力機(jī)制的描述 47
3.5 實(shí)現(xiàn)描述生成模型 48
3.6 小結(jié) 52
第4章 為生成條件圖像構(gòu)建GAN 53
4.1 GAN簡(jiǎn)介 53
4.1.1 對(duì)抗方式是關(guān)鍵 54
4.1.2 “寒武紀(jì)大爆發(fā)” 56
4.2 項(xiàng)目 57
4.2.1 數(shù)據(jù)集類 58
4.2.2 CGAN類 60
4.3 CGAN應(yīng)用示例 74
4.3.1 MNIST 75
4.3.2 Zalando MNIST 79
4.3.3 EMNIST 81
4.3.4 重用經(jīng)過訓(xùn)練的CGAN 82
4.4 使用AWS服務(wù) 84
4.5 致謝 85
4.6 小結(jié) 86
第5章 利用LSTM預(yù)測(cè)股票價(jià)格 87
5.1 輸入數(shù)據(jù)集（余弦信號(hào)和股票價(jià)格） 87
5.2 格式化數(shù)據(jù)集 90
5.3 用回歸模型預(yù)測(cè)股票價(jià)格 93
5.4 長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)入門 101
5.5 利用LSTM進(jìn)行股票價(jià)格預(yù)測(cè) 103
5.6 練習(xí) 108
5.7 小結(jié) 109
第6章 構(gòu)建和訓(xùn)練機(jī)器翻譯模型 110
6.1 機(jī)器翻譯系統(tǒng)架構(gòu) 110
6.2 語料庫(kù)預(yù)處理 112
6.3 訓(xùn)練機(jī)器翻譯模型 118
6.4 測(cè)試和翻譯 123
6.5 練習(xí) 125
6.6 小結(jié) 125
第7章 訓(xùn)練能像人類一樣討論的聊天機(jī)器人 126
7.1 項(xiàng)目簡(jiǎn)介 126
7.2 輸入語料庫(kù) 127
7.3 創(chuàng)建訓(xùn)練集 128
7.4 訓(xùn)練聊天機(jī)器人 132
7.5 聊天機(jī)器人API 134
7.6 練習(xí) 137
7.7 小結(jié) 137
第8章 檢測(cè)Quora數(shù)據(jù)集中的重復(fù)問題 138
8.1 展示數(shù)據(jù)集 138
8.2 基礎(chǔ)特征工程 141
8.3 創(chuàng)建模糊特征 142
8.4 借助TF-IDF和SVD特征 145
8.5 用Word2vec嵌入映射 148
8.6 測(cè)試機(jī)器學(xué)習(xí)模型 153
8.7 搭建TensorFlow模型 158
8.8 構(gòu)建深度神經(jīng)網(wǎng)絡(luò)之前所做的處理 158
8.9 深度神經(jīng)網(wǎng)絡(luò)的構(gòu)建模塊 160
8.10 設(shè)計(jì)學(xué)習(xí)架構(gòu) 163
8.11 小結(jié) 169
第9章 用TensorFlow構(gòu)建推薦系統(tǒng) 170
9.1 推薦系統(tǒng) 170
9.2 推薦系統(tǒng)下的矩陣分解 172
9.2.1 數(shù)據(jù)集準(zhǔn)備和基準(zhǔn) 172
9.2.2 矩陣分解 177
9.2.3 隱式反饋數(shù)據(jù)集 178
9.2.4 基于SGD的矩陣分解 181
9.2.5 貝葉斯個(gè)性化排序 186
9.3 面向推薦系統(tǒng)的RNN 189
9.3.1 數(shù)據(jù)集準(zhǔn)備和基準(zhǔn) 190
9.3.2 用TensorFlow構(gòu)建RNN模型 195
9.4 小結(jié) 206
第 10章 基于強(qiáng)化學(xué)習(xí)的電子游戲 207
10.1 關(guān)于游戲 207
10.2 OpenAI版游戲 208
10.3 在Linux（Ubuntu 14.04或16.04）上安裝OpenAI Gym 210
10.4 通過深度學(xué)習(xí)探索強(qiáng)化學(xué)習(xí) 212
10.4.1 深度Q-learning技巧 215
10.4.2 理解深度Q-learning的局限性 216
10.5 啟動(dòng)項(xiàng)目 216
10.5.1 定義人工智能大腦 217
10.5.2 為經(jīng)驗(yàn)回放創(chuàng)建記憶 221
10.5.3 創(chuàng)建智能體 222
10.5.4 指定環(huán)境 227
10.5.5 執(zhí)行強(qiáng)化學(xué)習(xí)過程 230
10.6 致謝 233
10.7 小結(jié) 234
書單推薦
