機器學習之路——Caffe、Keras、scikit-learn實戰
阿布
75人在讀
12.1萬字總字數
¥15.8定價
阿布
機器學習需要一條脫離過高理論門檻的入門之路。本書《機器學習篇》從小紅帽採蘑菇的故事開篇，介紹了基礎的機器學習分類模型的訓練（第1 章）。如何評估、調試模型？如何合理地發掘事物的特徵？如何利用幾個模型共同發揮作用？後續章節一步一步講述瞭如何優化模型，更好地完成分類預測任務（第2 章），並且初步嘗試將這些技術運用到金融股票交易中（第3 章）。自然界最好的非線性模型莫過於人類的大腦。《深度學習篇》從介紹並對比一些常見的深度學習框架開始（第4 章），講解了DNN 模型的直觀原理，嘗試給出一些簡單的生物學解釋，完成簡單的圖片識別任務（第5 章）。後續章節在此基礎上，完成更爲複雜的圖片識別CNN 模型（第6 章）。接着，本書展示了使用Caffe 完成一個完整的圖片識別項目，從準備數據集，到完成識別任務（第7 章）。後面簡單描述了RNN 模型（第8 章），接着展示了一個將深度學習技術落地到圖片處理領域的項目（第9 章）。
本書框架非常好，深入淺出，提供了ML的框架以及實踐，但缺點在於內容陳舊有些庫已經更新，比如keras已經在整合tensorflow下，代碼需要更新，另一個是代碼編寫還不夠規範。
基礎，但是對零基礎並不算友好。