TensorFlow机器学习实用指南 pdf下载

　　由谷歌开发的TensorFlow2.x是一个用于机器学习的端到端的开源平台，它拥有一个由工具、库和社区资源组成的、全面的、灵活的生态系统，可以让研究人员推动先进的机器学习（ML）的发展，让开发人员轻松地构建和部署由ML驱动的应用程序。
　　《TensorFlow机器学习实用指南》将教你如何使用TensorFlow进行复杂的数据计算，并会让你比以往任何时候都更深入地挖掘和获得对数据的见解。
　　在《TensorFlow机器学习实用指南》的帮助下，你将学到训练模型、模型评估、回归分析、表格数据、图像以及文本处理和预测等内容。你将使用新版本的谷歌机器学习库TensorFlow探索RNN、CNN、GAN和强化学习。通过实际示例，你将获得使用TensorFlow解决各种数据问题和技术的实际经验。一旦你熟悉并适应了TensorFlow生态系统，你将会看到如何将它投人生产。
　　读完《TensorFlow机器学习实用指南》，你将会熟练使用TensorFlow2.**行机器学习，还将对深度学习有很好的见解，并能够在现实场景中实现机器学习算法。
　　《TensorFlow机器学习实用指南》可作为数据科学家、机器学习开发人员、深度学习研究人员和具有基本统计背景的希望使用神经网络并发现TensorFlow结构及其新特性的开发人员的参考书。如果你想要充分利用《TensorFlow机器学习实用指南》，就需要掌握Python编程语言的相关知识。

第1章 TensorFlow2．x入门
1．1 TensorFlow如何工作
1．2 声明变量和张量
1．3 使用eagerexecution
1．4 使用矩阵
1．5 声明操作
1．6 使用激活函数
1．7 使用数据源
1．8 其他资源

第2章 TensorFlow操作
2．1 使用eagerexecution的操作
2．2 分层嵌套操作
2．3 使用多个层
2．4 实现损失函数
2．5 实现反向传播
2．6 使用批量和随机训练
2．7 结合所有内容

第3章 Keras
3．1 概述
3．2 理解Keras层
3．3 使用KerasSequentialAPI
3．4 使用KerasFunctionalAPI
3．5 使用KerasSubclassingAPI
3．6 使用KerasPreprocessingAPI

第4章 线性回归
4．1 学习利用TensorFlow进行线性回归
4．2 将Keras模型转化为Estimator
4．3 理解线性回归中的损失函数
4．4 实现Lasso和Ridge回归
4．5 实现逻辑回归
4．6 诉诸非线性解决方案
4．7 使用Wide&Deep模型

第5章 增强树

第6章 神经网络
6．1 实现操作门
6．2 使用门和激活函数
6．3 使用单层神经网络
6．4 实现不同的层
6．5 使用多层网络
6．6 改进线性模型的预测
6．7 学习玩Tic-Tac-Toe游戏

第7章 使用表格数据进行预测
7．1 处理数值数据
7．2 处理日期
7．3 处理分类数据
7．4 处理序列数据
7．5 处理高基数分类数据
7．6 连接所有操作
7．7 建立一个数据生成器
7．8 为表格数据创建自定义激活
7．9 对难题进行测试

第8章 卷积神经网络
8．1 介绍
8．2 实现简单的CNN
8．3 实现先进的CNN
8．4 重新训练现有的CNN模型
8．5 应用StyleNet和神经式项目
8．6 实现DeepDream
……

第9章 递归神经网络
第10章 Transformer
第11章 使用TensorFlow和TF-Agent进行强化学习
第12章 TensorFlow的应用

　　由谷歌开发的TensorFlow2.x是一个用于机器学习的端到端的开源平台，它拥有一个由工具、库和社区资源组成的、全面的、灵活的生态系统，可以让研究人员推动最先进的机器学习（ML）的发展，让开发人员轻松地构建和部署由ML驱动的应用程序。
　　本书将教你如何使用TensorFlow进行复杂的数据计算，并会让你比以往任何时候都更深入地挖掘和获得对数据的见解。在本书的帮助下，你将学到训练模型、模型评估、回归分析、表格数据、图像以及文本处理和预测等内容。你将使用最新版本的谷歌机器学习库TensorFlow探索RNN、CNN、GAN和强化学习。通过实际示例，你将获得使用TensorFlow解决各种数据问题和技术的实际经验。一旦你熟悉并适应了TensorFlow生态系统，你将会看到如何将它投人生产。
　　读完本书，你将会熟练使用TensorFlow2.x进行机器学习，还将对深度学习有很好的见解，并能够在现实场景中实现机器学习算法。
　　读者对象
　　本书可作为数据科学家、机器学习开发人员、深度学习研究人员和具有基本统计背景的希望使用神经网络并发现TensorFlow结构及其新特性的开发人员的参考书。如果你想要充分利用本书，就需要掌握Python编程语言的相关知识。
　　本书涵盖的内容
　　第1章：TensorFlow2.x入门，涵盖TensorFlow中的主要对象和概念。本章引入了张量、变量和占位符，讲解了如何在TensorFlow中使用矩阵和各种数学运算，最后介绍了如何访问本书其余部分中使用的数据源。
　　第2章：TensorFlow操作，介绍如何以多种方式将第1章中的所有算法组件连接到计算图中，以创建简单的分类器。在此过程中，讨论了计算图、损失函数、反向传播和数据训练。
　　第3章：Keras，重点介绍Keras的高级TensorFlowAPI。在介绍了作为模型构建块的层之后，将介绍用于创建Keras模型的Sequential顺序API、函数式API和子类API。
　　第4章：线性回归，重点介绍如何使用TensorFlow探索各种线性回归技术，如Lasso和Ridge，ElasticNet，logistic回归，并且总结出如何用广域和深度扩展线性模型，同时介绍如何使用估计器实现每个模型。