Ebook Machine Learning Thực Hành Với Scikit-Learn, Keras, Và TensorFlow [Ấn Bản Lần Thứ 2] + Code

Thông qua một loạt các đột phá gần đây, deep learning đã thúc đẩy toàn bộ lĩnh vực machine learning. Giờ đây, ngay cả những lập trình viên không biết gì về công nghệ này cũng có thể sử dụng các công cụ đơn giản, hiệu quả để triển khai các chương trình có khả năng học từ dữ liệu. Cuốn sách thực tế này chỉ cho bạn cách làm.

Bằng cách sử dụng các ví dụ cụ thể, lý thuyết tối thiểu và hai production-ready Python framework: Scikit-Learn và TensorFlow, cuốn sách sẽ giúp bạn hiểu trực quan về các khái niệm và công cụ để xây dựng hệ thống thông minh. Bạn sẽ học một loạt các kỹ thuật, bắt đầu với hồi quy tuyến tính (linear regression) đơn giản và tiến dần đến deep neural network. Với các bài tập trong mỗi chương để giúp bạn áp dụng những gì đã học, tất cả những gì bạn cần là kinh nghiệm lập trình để bắt đầu.

✓ Khám phá bối cảnh machine learning, đặc biệt là neural nets.

✓ Sử dụng Scikit-Learn để theo dõi một dự án machine-learning mẫu từ đầu đến cuối.

✓ Khám phá một số mô hình đào tạo, bao gồm support vector machines, decision trees, random forests, và ensemble methods.

✓ Sử dụng thư viện TensorFlow để build và train neural nets.

✓ Đi sâu vào các kiến ​​trúc neural net, bao gồm convolutional nets, recurrent nets, và deep reinforcement learning.

✓ Tìm hiểu kỹ thuật đào tạo và mở rộng deep neural nets.

Mục lục:

    Phần I. Các nền tảng bản của Machine Learning.

✓ 1. Machine Learning Landscape.

✓ 2. End-to-End Machine Learning Project.

✓ 3. Classification.

✓ 4. Training Models.

✓ 5. Support Vector Machines.

✓ 6. Decision Trees.

✓ 7. Ensemble Learning và Random Forests.

✓ 8. Dimensionality Reduction.

✓ 9. Kỹ thuật Unsupervised Learning.

    Phần II. Neural Networks và Deep Learning.

✓ 10. Giới thiệu về Artificial Neural Networks với Keras.

✓ 11. Training Deep Neural Networks.

✓ 12. Custom Models và Training với TensorFlow.

✓ 13. Loading và Preprocessing Data với TensorFlow.

✓ 14. Deep Computer Vision sử dụng Convolutional Neural Networks.

✓ 15. Processing Sequences sử dụng RNN và CNN.

✓ 16. Natural Language Processing với RNs và Attention.

✓ 17. Representation Learning và Generative Learning sử dụng Autoencoder và GAN.

✓ 18. Reinforcement Learning.

✓ 19. Training và Deploying TensorFlow Models at Scale.

✓ A. Exercise Solution.

✓ B. Machine Learning Project Checklist.

✓ C. SVM Dual Problem.

✓ D. Autodiff.

✓ E. Các kiến ​​trúc ANN phổ biến khác.

✓ F. Cấu trúc dữ liệu đặc biệt.

✓ G. TensorFlow Graphs.