機器學(xué)習(xí)實戰(zhàn)：模型構(gòu)建與應(yīng)用

機器學(xué)習(xí)實戰(zhàn)：模型構(gòu)建與應(yīng)用讀書筆記模板01思維導(dǎo)圖目錄分析讀書筆記內(nèi)容摘要作者介紹精彩摘錄目錄0305020406思維導(dǎo)圖機器模型模型場景實戰(zhàn)部分序列用戶第章模型數(shù)據(jù)總結(jié)編程神經(jīng)網(wǎng)絡(luò)序列機器使用文本視覺本書關(guān)鍵字分析思維導(dǎo)圖內(nèi)容摘要內(nèi)容摘要本書主要包括兩部分。第1部分（第1章-第11章）講解了如何使用TensorFlow來創(chuàng)建不同應(yīng)用場景的機器學(xué)習(xí)模型。該部分介紹TensorFlow、計算機視覺、自然語言處理和序列建模。第二部分（第12章-第20章）將引導(dǎo)你了解如何將模型置于Android和iOS上的用戶手中、使用JavaScript的瀏覽器以及通過云提供服務(wù)的場景。目錄分析第1章TensorFlow簡介第2章計算機視覺簡介第3章圖像特征檢測第4章TensorFlowDatasets第一部分構(gòu)建模型第5章自然語言處理簡介第6章使用嵌入來編程情感第7章自然語言處理的循環(huán)神經(jīng)絡(luò)第8章使用TensorFlow創(chuàng)建文本第9章理解序列和時間序列數(shù)據(jù)12345第一部分構(gòu)建模型第11章序列模型中的卷積和循環(huán)第10章創(chuàng)建ML模型來預(yù)測序列第一部分構(gòu)建模型第1章TensorFlow簡介1.1什么是機器學(xué)習(xí)1.2傳統(tǒng)編程的局限性1.3從編程到學(xué)習(xí)1.4什么是TensorFlow1.5使用TensorFlow1.6初學(xué)機器學(xué)習(xí)1.7總結(jié)第2章計算機視覺簡介2.1識別服裝2.2視覺神經(jīng)元2.3設(shè)計神經(jīng)絡(luò)2.4訓(xùn)練神經(jīng)絡(luò)2.5探索模型輸出2.6訓(xùn)練更長時間，發(fā)現(xiàn)過擬合2.7停止訓(xùn)練2.8總結(jié)第3章圖像特征檢測3.1卷積3.2池化3.3實現(xiàn)卷積神經(jīng)絡(luò)3.4探索卷積絡(luò)3.5創(chuàng)建一個CNN來區(qū)分馬和人3.6圖像增強3.7遷移學(xué)習(xí)3.8多類別分類3.9dropout正則化第4章TensorFlowDatasets4.1TFDS入門4.2在Keras模型中使用TFDS4.3使用映射函數(shù)進行增強4.4使用自定義分割4.5理解TFRecord4.6TensorFlow中管理數(shù)據(jù)的ETL過程4.7總結(jié)第5章自然語言處理簡介5.1將語言編碼為數(shù)字5.2移除停用詞和清理文本5.3使用真實數(shù)據(jù)源5.4總結(jié)第6章使用嵌入來編程情感6.1從詞建立意義6.2TensorFlow中的嵌入6.3可視化嵌入6.4使用來自TensorFlowHub的預(yù)訓(xùn)練嵌入6.5總結(jié)第7章自然語言處理的循環(huán)神經(jīng)絡(luò)7.1循環(huán)的基礎(chǔ)7.2為語言擴展循環(huán)7.3使用RNN創(chuàng)建文本分類器7.4在RNN中使用預(yù)訓(xùn)練的嵌入7.5總結(jié)第8章使用TensorFlow創(chuàng)建文本8.1將序列轉(zhuǎn)換為輸入序列8.2創(chuàng)建模型8.3生成文本8.4擴展數(shù)據(jù)集8.5改變模型架構(gòu)8.6改進數(shù)據(jù)8.7基于字符的編碼8.8總結(jié)第9章理解序列和時間序列數(shù)據(jù)9.1時間序列的常見屬性9.2預(yù)測時間序列的技術(shù)9.3總結(jié)第10章創(chuàng)建ML模型來預(yù)測序列10.1創(chuàng)建窗口數(shù)據(jù)集10.2創(chuàng)建并訓(xùn)練DNN來擬合序列數(shù)據(jù)10.3評估DNN的結(jié)果10.4探索整體的預(yù)測10.5調(diào)整學(xué)習(xí)率10.6使用KerasTuner探索超參數(shù)調(diào)優(yōu)10.7總結(jié)第11章序列模型中的卷積和循環(huán)11.1序列數(shù)據(jù)的卷積11.2使用NASA天氣數(shù)據(jù)11.3使用RNN進行序列建模11.4使用其他循環(huán)方法11.5使用dropout11.6使用雙向RNN11.7總結(jié)第12章TensorFlowLite簡介第13章在Android應(yīng)用程序中使用TensorFlowLite第14章在iOS應(yīng)用程序中使用TensorFlowLite第15章TensorFlow.js簡介第二部分使用模型第16章TensorFlow.js中的計算機視覺編程技術(shù)第17章重用和轉(zhuǎn)換Python模型為JavaScript第18章JavaScript中的遷移學(xué)習(xí)第19章使用TensorFlowServing進行部署第20章AI的倫理、公平和隱私12345第二部分使用模型第12章TensorFlowLite簡介12.1什么是TensorFlowLite12.2演練：創(chuàng)建模型并將其轉(zhuǎn)換為TensorFlowLite12.3演練：遷移學(xué)習(xí)圖像分類器并轉(zhuǎn)換到TensorFlowLite12.4總結(jié)第13章在Android應(yīng)用程序中使用TensorFlowLite13.1什么是AndroidStudio13.2創(chuàng)建你的第一個TensorFlowLiteAndroid應(yīng)用程序13.3超越“HelloWorld”—處理圖像13.4TensorFlowLite示例應(yīng)用程序13.5總結(jié)第14章在iOS應(yīng)用程序中使用TensorFlowLite14.1使用Xcode創(chuàng)建你的第一個TensorFlowLite應(yīng)用程序14.2超越“HelloWorld”—處理圖像14.3TensorFlowLite示例應(yīng)用程序14.4總結(jié)第15章TensorFlow.js簡介15.1什么是TensorFlow.js15.2安裝和使用BracketsIDE15.3構(gòu)建第一個TensorFlow.js模型15.4創(chuàng)建Iris分類器15.5總結(jié)第16章TensorFlow.js中的計算機視覺編程技術(shù)16.1TensorFlow開發(fā)人員的JavaScript注意事項16.2使用JavaScript構(gòu)建CNN16.3使用回調(diào)進行可視化16.4使用MNIST數(shù)據(jù)集進行訓(xùn)練16.5在TensorFlow.js中對圖像運行推理16.6總結(jié)第17章重用和轉(zhuǎn)換Python模型為JavaScript17.1將基于Python的模型轉(zhuǎn)換為JavaScript17.2使用預(yù)轉(zhuǎn)換的JavaScript模型17.3總結(jié)第18章JavaScript中的遷移學(xué)習(xí)18.1從MobileNet進行遷移學(xué)習(xí)18.2來自TensorFlowHub的遷移學(xué)習(xí)18.3使用來自TensorFlow的模型18.4總結(jié)第19章使用TensorFlowServing進行部署19.1什么是TensorFlowServing19.2安裝TensorFlowServing19.3構(gòu)建和服務(wù)模型19.4總結(jié)第20章AI的倫理、公平和隱私20.1編程中的公平20.2機器學(xué)習(xí)中的公平20.3實現(xiàn)公平的工具20.4聯(lián)邦學(xué)習(xí)20.5谷歌的AI原則20.6總結(jié)作者介紹同