【資源分享】Sklearn,Keras與Tensorflow機器學習實用指南
- 2020 年 3 月 5 日
- 筆記
我們都知道：Scikit-Learn，Keras，Tensorflow是機器學習工具鏈的重要組成部分。本書的作者，根據上述三個機器學習工具箱，融匯貫通成一個個機器學習實例，讓即使對人工智能了解不多的程序員也可以使用簡單高效的工具來實現機器學習任務。
作者簡介：
Aurelien Geron是一名機器學習顧問和講師。他曾在谷歌公司效力，2013年至2016年，他領導着YouTube的視頻分類團隊。他曾是幾家不同公司的創始人和首席技術官:Wifirst，法國領先的無線ISP；Polyconseil 專註於電信、媒體和戰略的諮詢公司; 以及Kiwisoft，專註於機器學習和數據隱私的諮詢公司。
在此之前，他曾在多個領域擔任工程師:金融(摩根大通和法國興業銀行)、國防(加拿大國防部)和醫療(輸血)。他還出版了幾本技術書籍(關於c++、WiFi和互聯網架構)。
書籍目錄：
本書如要涵蓋以下內容：
- 探索機器學習領域，特別是神經網絡
- 使用Scikit-Learn跟蹤一個端到端的示例機器學習項目
- 探索幾種訓練模型，包括支持向量機、決策樹、隨機森林和集成方法
- 使用TensorFlow庫來構建和訓練神經網絡
- 深入研究神經網絡架構，包括卷積網絡、遞歸網絡和深度強化學習
- 學習訓練和擴展深度神經網絡的技術
書內代碼：
https://github.com/ageron/handson-ml2
書籍簡介
本書假定你對機器學習幾乎一無所知。它的目標是給你實際實現能夠從數據中學習的程序所需的概念，直覺和工具。
我們將使用現成的Python框架，而不是實現我們自己的每個算法的玩具版本：
- Scikit-learn非常易於使用，並且實現了許多有效的機器學習算法，因此它為學習機器學習提供了一個很好的切入點。
- TensorFlow是使用數據流圖進行分佈式數值計算的更複雜的庫。它通過在潛在的數千個 多GPU服務器上分佈式計算，可以高效地訓練和運行非常大的神經網絡。TensorFlow 是被Google創造的，支持其大型機器學習應用程序。於2015年11月開源。
