新書推薦：
《
送你一匹马（“我不求深刻，只求简单。”看三毛如何拒绝内耗，为自己而活）
》
售價：HK$
64.9
《
秦汉史讲义
》
售價：HK$
151.8
《
万千心理·我的精神分析之道：复杂的俄狄浦斯及其他议题
》
售價：HK$
104.5
《
荷马：伊利亚特（英文）-西方人文经典影印21
》
售價：HK$
107.8
《
我的心理医生是只猫
》
售價：HK$
49.5
《
巴拉吉预言
》
售價：HK$
74.8
《
股权控制战略：如何实现公司控制和有效激励（第2版）
》
售價：HK$
98.8
《
汉译名著·哲学经典十种
》
售價：HK$
761.2
|
| 內容簡介： |
|
本书主要包括两部分。第1部分（第1章-第11章）讲解了如何使用TensorFlow来创建不同应用场景的机器学习模型。该部分介绍TensorFlow、计算机视觉、自然语言处理和序列建模。第二部分（第12章-第20章）将引导你了解如何将模型置于 Android 和 iOS 上的用户手中、使用 JavaScript 的浏览器以及通过云提供服务的场景。
|
| 目錄：
|
|
序言1前言3第一部分 构建模型第1章 TensorFlow简介111.1 什么是机器学习111.2 传统编程的局限性131.3 从编程到学习151.4 什么是TensorFlow161.5 使用TensorFlow181.6 初学机器学习221.7 总结27第2章 计算机视觉简介282.1 识别服装282.2 视觉神经元302.3 设计神经网络322.4 训练神经网络352.5 探索模型输出362.6 训练更长时间，发现过拟合362.7 停止训练372.8 总结38第3章 图像特征检测393.1 卷积393.2 池化413.3 实现卷积神经网络433.4 探索卷积网络453.5 创建一个CNN来区分马和人473.6 图像增强563.7 迁移学习593.8 多类别分类633.9 dropout正则化663.10 总结69第4章 TensorFlow Datasets704.1 TFDS入门714.2 在Keras模型中使用TFDS734.3 使用映射函数进行增强764.4 使用自定义分割774.5 理解TFRecord784.6 TensorFlow中管理数据的ETL过程814.7 总结86第5章 自然语言处理简介875.1 将语言编码为数字875.2 移除停用词和清理文本935.3 使用真实数据源945.4 总结103第6章 使用嵌入来编程情感1046.1 从词建立意义1046.2 TensorFlow中的嵌入1066.3 可视化嵌入1216.4 使用来自TensorFlow Hub的预训练嵌入1236.5 总结125第7章 自然语言处理的循环神经网络1267.1 循环的基础1267.2 为语言扩展循环1287.3 使用RNN创建文本分类器1307.4 在RNN中使用预训练的嵌入1377.5 总结143第8章 使用TensorFlow创建文本1448.1 将序列转换为输入序列1458.2 创建模型1498.3 生成文本1508.4 扩展数据集1528.5 改变模型架构1538.6 改进数据1548.7 基于字符的编码1578.8 总结158第9章 理解序列和时间序列数据1599.1 时间序列的常见属性1609.2 预测时间序列的技术1629.3 总结167第10章 创建ML模型来预测序列16810.1 创建窗口数据集16910.2 创建并训练DNN来拟合序列数据17310.3 评估DNN的结果17410.4 探索整体的预测17510.5 调整学习率17710.6 使用Keras Tuner探索超参数调优17810.7 总结182第11章 序列模型中的卷积和循环18311.1 序列数据的卷积18311.2 使用NASA天气数据18911.3 使用RNN进行序列建模19111.4 使用其他循环方法19611.5 使用dropout19711.6 使用双向RNN19911.7 总结201第二部分 使用模型第12章 TensorFlow Lite简介20512.1 什么是TensorFlow Lite20512.2 演练：创建模型并将其转换为TensorFlow Lite20712.3 演练：迁移学习图像分类器并转换到Tensor Flow Lite21112.4 总结216第13章 在Android应用程序中使用TensorFlow Lite21713.1 什么是Android Studio21713.2 创建你的第一个TensorFlow Lite Android应用程序21813.3 超越“Hello World”—处理图像22613.4 TensorFlow Lite示例应用程序22913.5 总结230第14章 在iOS应用程序中使用TensorFlow Lite23114.1 使用Xcode创建你的第一个TensorFlow Lite应用程序23114.2 超越“Hello World”—处理图像24314.3 TensorFlow Lite示例应用程序24614.4 总结247第15章 TensorFlow.js简介24815.1 什么是TensorFlow.js24815.2 安装和使用Brackets IDE24915.3 构建第一个TensorFlow.js模型25115.4 创建Iris分类器25415.5 总结258第16章 TensorFlow.js中的计算机视觉编程技术25916.1 TensorFlow开发人员的JavaScript注意事项26016.2 使用JavaScript构建CNN26116.3 使用回调进行可视化26316.4 使用MNIST数据集进行训练26416.5 在TensorFlow.js中对图像运行推理27016.6 总结270第17章 重用和转换Python模型为JavaScript27217.1 将基于Python的模型转换为JavaScript27217.2 使用预转换的JavaScript模型27617.3 总结284第18章 JavaScript中的迁移学习28518.1 从MobileNet进行迁移学习28518.2 来自TensorFlow Hub的迁移学习29718.3 使用来自TensorFlow.org的模型30118.4 总结303第19章 使用TensorFlow Serving进行部署30419.1 什么是TensorFlow Serving30419.2 安装TensorFlow Serving30619.3 构建和服务模型30819.4 总结314第20章 AI的伦理、公平和隐私31520.1 编程中的公平31620.2 机器学习中的公平31820.3 实现公平的工具32020.4 联邦学习32320.5 谷歌的AI原则32820.6 总结329
|
| 內容試閱：
|
|
写作本书的想法已经有很多年了，但是直到最近机器学习（Machine learning，ML）（特别是TensorFlow）的兴起，这件事才真正变得可行。本书的目标是帮你在使用机器学习的众多场景中做好准备，并成为一名ML和AI开发者！希望本书为你开启一段美好且收获丰富的旅程。读者对象如果你对AI和ML感兴趣，想快速上手并通过学习数据来创建模型，则本书就是为你所写的。如果你想学习通用的AI和ML概念（计算机视觉、自然语言处理、序列建模等），并且想了解如何在这些领域通过训练神经网络来解决问题，我想你能从本书中找到答案。如果你有训练好的模型，并且想把它们应用到移动客户端、浏览器或云端的用户手中，那么本书同样适合你！本书采用的是代码为先的策略，为你展示了使用Python和TensorFlow进入机器学习和AI的世界是多么简单，无须你具备很深的微积分知识。为什么写作本书我第一次认真接触AI是在1992年的春天。作为一名毕业不久的物理专业的本科生，我住在处于经济大萧条的伦敦，已经失业6个月了。英国政府开展了一个项目，准备在AI技术领域训练20个人，并发布了招聘信息。我是第一个被选中的申请者。3个月之后，这个项目凄惨地失败了，由于当时还有众多AI理论问题需要解决，没有简单的办法在实际中应用它。人们可以用Prolog语言编写简单的推理，用Lisp语言来执行列表处理，但是没有明确的方法来把它们应用到工业界。著名的“AI寒冬”接踵而至。2016年我在Google参与开发Firebase产品，公司向所有工程师提供了机器学习培训。我们一起坐在一个房间里听着有关微积分和梯度下降的讲座。我无法将这些与实际的ML应用相关联，这让我仿佛回到了1992年。我把从这里学到的关于如何进行ML教学的反馈带到了TensorFlow团队—他们在2017年雇佣了我。随着2018年TensorFlow 2.0的发布，尤其是强调帮助开发者快速上手的高级API，因此我意识到需要写一本书，以让ML的受众不再局限于数学家和博士。我相信更多的人使用这项技术并把它应用到实际用户中，会引爆AI和ML的潮流，从而避免另一个AI寒冬，并让世界变得更好。我已经看到了这件事的影响力，从Google在糖尿病视网膜病变上的研究到宾夕法尼亚州立大学和PlantVillage创建ML模型来帮助农民诊断木薯疾病，以及无国界医生组织使用TensorFlow模型来帮助诊断抗生素的耐药性，不胜枚举！本书导航本书主要包括两大部分。第一部分（第1～11章）讲解了如何使用TensorFlow来创建不同应用场景的机器学习模型。该部分介绍了一些基本原则—使用计算机视觉、自然语言处理和序列建模创建一个只包含一个神经元的神经网络。第二部分（第12～20章）详细地指导你将模型应用于不同场景下的用户，包括Android和iOS、在带有JavaScript的浏览器中以及通过云来提供服务。大部分章节是独立的，因此你可以随便选择一章来学习新知识，你也可以从头到尾阅读本书。需要理解的技术本书前半部分的目标是帮助你学习如何使用TensorFlow来创建各种不同架构的模型。唯一需要的是理解Python，特别是Python中对于数据和矩阵处理的符号。你或许也想探索Numpy，这是一个用于数值计算的Python库。如果你对这些都不熟悉，你可以在看书的过程中随时学习所需的知识（它们非常容易学习，虽然有些矩阵的符号可能会有点难以理解）。对于本书的后半部分，我通常不会再教授已经展示过的语言，而是展示如何在语言中使用TensorFlow模型。例如，在第13章中你会学习使用Kotlin语言在Android studio中创建应用程序，在第14章中你会学习使用Swift语言在Xcode中创建应用程序。我不会教授这些语言的语法，如果你对它们不熟悉，可以参阅Jonathan Manning、Paris Buttfeild-Addison和Tim Nugent合著的Learning Swift（https://oreil.ly/MnEVD）（O’Reilly）。在线资源本书使用并提供了大量的在线资源。我推荐你关注TensorFlow（https://www.tensorflow.org）及其相关的YouTube频道（https://www.youtube.com/tensorflow），以便查阅本书中所提及技术的任何更新和突破性进展。本书的代码可以访问https://github.com/lmoroney/tfbook找到，我会根据平台的进展持续更新。排版约定本书中使用以下排版约定：斜体（Italic）表示新的术语、URL、电子邮件地址、文件名和文件扩展名。等宽字体（Constant width）用于程序清单，以及段落中的程序元素，例如变量名、函数名、数据库、数据类型、环境变量、语句以及关键字。等宽粗体（Constant width bold）表示应由用户直接输入的命令或其他文本。该图示表示一般性说明。示例代码这里的代码是为了帮助你更好地理解本书的内容。通常，可以在程序或文档中使用本书中的代码，而不需要联系O’Reilly获得许可，除非需要大段地复制代码。例如，使用本书中所提供的几个代码片段来编写一个程序不需要得到我们的许可，但销售或发布O’Reilly的示例代码则需要获得许可。引用本书的示例代码来回答问题也不需要许可，将本书中的很大一部分示例代码放到自己的产品文档中则需要获得许可。非常欢迎读者使用本书中的代码，希望（但不强制）注明出处。注明出处时包含书名、作者、出版社和ISBN，例如：AI and Machine Learning for Coders，作者Laurence Moroney，由O’Reilly出版，书号978-1-492-07819-7如果读者觉得对示例代码的使用超出了上面所给出的许可范围，欢迎通过permissions@oreilly.com联系我们。O’Reilly在线学习平台（O’Reilly Online Learning）40多年来，O’Reilly Media致力于提供技术和商业培训、知识和卓越见解，来帮助众多公司取得成功。我们拥有独一无二的专家和革新者组成的庞大网络，他们通过图书、文章、会议和我们的在线学习平台分享他们的知识和经验。O’Reilly的在线学习平台允许你按需访问现场培训课程、深入的学习路径、交互式编程环境，以及O’Reilly和200多家其他出版商提供的大量文本和视频资源。有关的更多信息，请访问http://oreilly.com。如何联系我们对于本书，如果有任何意见或疑问，请按照以下地址联系本书出版商。美国：O’Reilly Media，Inc.1005 Gravenstein Highway NorthSebastopol，CA 95472中国：北京市西城区西直门南大街2号成铭大厦C座807室（100035）奥莱利技术咨询（北京）有限公司要询问技术问题或对本书提出建议，请发送电子邮件至errata@oreilly.com.cn。本书配套网站https://oreil.ly/ai-ml上列出了勘误表、示例以及其他信息。关于书籍、课程、会议和新闻的更多信息，请访问我们的网站http://oreilly.com。我们在Facebook上的地址：http://facebook.com/oreilly我们在Twitter上的地址：http://twitter.com/oreillymedia我们在YouTube上的地址：http://www.youtube.com/oreillymedia致谢我向所有为本书写作提供帮助的人表示感谢。Jeff Dean为我提供了在TensorFlow团队工作的机会，让我开始了AI旅途的第二个阶段。也感谢团队的其他成员，人数太多就不一一点名了。特别感谢Sarah Sirajuddin、Megan Kacholia、Martin Wicke以及Francois Chollet卓越的领导力和工程能力。由Kemal El Moujahid、Magnus Hyttsten和Wolff Dobson领导的TensorFlow开发者关系团队，为人们创建了使用TensorFlow来学习AI和ML的平台。Andrew Ng帮我写了本书的序，他相信我教授TensorFlow的方式，与我一起在Coursera上创建了三个专栏，教授成千上万的人如何通过ML和AI获得成功。Andrew在deeplearning.ai（https://www.deeplearning.ai）也领导了一个杰出的团队，他们帮助我成为一个更好的机器学习者，团队成员包括Ortal Arel、Eddy Shu和 Ryan Keenan。O’Reilly的团队使本书的出版成为可能：Rebecca Novack和Angela Rufino帮助我完成了本书。感谢技术审查团队：Jialin Huang、Laura Uzcátegui、Lucy Wong、Margaret Maynard-Reid、Su Fu、Darren Richardson、Dominic Monn和Pin-Yu。最后，感谢我的家人：我的妻子Rebecca Moroney、我的女儿Claudia Moroney和我的儿子Christopher Moroney。谢谢你们让我的人生更加精彩。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
