• 收藏

  • 加书架

  • 引用

简介

本书从数据集、数据清理开始谈起,在介绍机器学习的建模方式后,第2章详细说明了机器学习与深度学习所涉及的矩阵、向量等技术。第3章使用Keras搭建深度学习模型,也介绍了激活函数、损失函数、反向传播、过拟合或欠拟合等问题。第4章给出了训练深度学习模型的过程中可能存在的交叉验证问题。当需要提高模型精度时,可以考虑参考第5章中的L1/L2正则化、丢弃正则化、早停等方式。第6章讲解模型评估问题,在太平洋飓风数据集上指出准确率的局限性,从而引出混淆矩阵、ROC曲线、AUC评分等概念。接下来的3章介绍卷积神经网络、迁移学习、循环神经网络等问题,这些内容在工业实际项目中占据核心地位,值得大家多写代码、多实践。

编辑推荐

本书用丰富的实践和实训带领读者使用Keras来进行深度学习的开发,实用性强,具有很好的应用价值。

更多出版物信息
  • 版权: 清华大学出版社
  • 出版: 2023-05-01
  • 作者:[英] 马修·穆卡姆(Matthew Moocarme) [英]玛拉·阿伯杜拉乃德(Mahla Abdolahnejad) [英] 瑞提什·巴格瓦特(Ritesh Bhagwat)著,邹伟 张良谋 刘亚明 译
  • 更新: 2023-11-21
  • 书号:9787302627647
  • 中图:TP181
  • 学科:
    工学
    控制科学与工程
    工学
    计算机科学与技术
    交叉学科
    智能科学与技术

作者信息

[英] 马修·穆卡姆(Matthew Moocarme) [英]玛拉·阿伯杜拉乃德(Mahla Abdolahnejad) [英] 瑞提什·巴格瓦特(Ritesh Bhagwat)著,邹伟 张良谋 刘亚明 译

马修·莫卡姆是维亚康姆广告科学团队的主任和高级数据科学家。作为viacom的数据科学家,他设计了数据驱动的解决方案,以帮助viacom获得洞察力,简化工作流程,并使用数据科学和机器学习解决复杂的问题。马修住在纽约市,工作之外喜欢把深入学习和音乐理论结合起来。他是一位受过古典训练的物理学家,拥有纽约大学研究生院物理学博士学位,同时也是一名活跃的人工智能开发人员、研究员、实践者和教育家。

相关图书