陈大鑫，一年一度的程序员节到来了！关爱程序员，人人有责，今天AI科技评论又一次给大家带来福利了！什么福利？当然不是下面的“福利”：福利就是新版蜥蜴书！也就是传说中的机器学习“四大名著”中最适合入门的一本书~这本书的英文原版是美国亚马逊AI霸榜图书，在人工智能、计算机神经网络、计算机视觉和模式识别三大榜单中，均为榜首！国内外好评率均超过90%！第二版英文版一经上市，读者纷纷表示，希望能出中文版。现在，中文版来了！被国内外工程师们奉为“最强存在”的神书，闭眼入即可。越早看，越受益！如果你是AI初学者，正在寻求一个切入点，那么强烈建议你把本书当作入门教材。如果你是AI工程师，需要使用机器学习或者深度学习算法解决实际问题，可将本书当作实战手册，它可以让你了解深度学习的最新研究成果和实用技巧。另外这本书全书的代码都是开源可获取的~这本书能带给你什么？对于想要踏入机器学习和深度学习领域的初学者和工程师而言，一本理论和实践相结合的书籍是必不可少的，本书就是这样一本书。从理论上讲，本书最大的特色就是有深度，覆盖面广，但是书中并没有太多复杂的数学公式推导，很容易看懂。这在现在很多机器学习书籍中是不多见的。从实战来说，本书使用了当前热门的机器学习框架Scikit-Learn及深度学习框架TensorFlow和Keras，每一章都配备相应的项目示例，代码的实操性和可读性非常好。本书也是为有经验的工程师而写的，是一本实用指南。特别是附录B给出的机器学习项目清单，如果工业界想做一套机器学习的解决方案，完全可以按照这个清单去做。书籍目录前言1第一部分机器学习的基础知识11第1章机器学习概览.1什么是机器学习.2为什么使用机器学习.3机器学习的应用示例.4机器学习系统的类型.5机器学习的主要挑战.6测试与验证.7练习题40第2章端到端的机器学习项目.1使用真实数据.2观察大局.3获取数据.4从数据探索和可视化中获得洞见.5机器学习算法的数据准备.6选择和训练模型.7微调模型.8启动、监控和维护你的系统.9试试看.10练习题84第3章分类.1MNIST.2训练二元分类器.3性能测量.4多类分类器.5误差分析.6多标签分类.7多输出分类.8练习题第4章训练模型.1线性回归.2梯度下降.3多项式回归.4学习曲线.5正则化线性模型.6逻辑回归.7练习题第5章支持向量机.1线性SVM分类.2非线性SVM分类.3SVM回归.4工作原理.5练习题第6章决策树.1训练和可视化决策树.2做出预测.3估计类概率.4CART训练算法.5计算复杂度.6基尼不纯度或熵.7正则化超参数.8回归.9不稳定性.10练习题第7章集成学习和随机森林.1投票分类器.2bagging和pasting.3随机补丁和随机子空间.4随机森林.5提升法.6堆叠法.7练习题第8章降维.1维度的诅咒.2降维的主要方法.3PCA.4内核PCA.5LLE.6其他降维技术.7练习题第9章无监督学习技术.1聚类.2高斯混合模型.3练习题第二部分神经网络与深度学习第10章Keras人工神经网络简介.1从生物神经元到人工神经元.2使用Keras实现MLP.3微调神经网络超参数.4练习题第11章训练深度神经网络.1梯度消失与梯度爆炸问题.2重用预训练层.3更快的优化器.4通过正则化避免过拟合11.5总结和实用指南.6练习题第12章使用TensorFlow自定义模型和训练.1TensorFlow快速浏览.2像NumPy一样使用TensorFlow.3定制模型和训练算法32.4TensorFlow函数和图.5练习题第13章使用TensorFlow加载和预处理数据.1数据API.2TFRecord格式.3预处理输入特征.4TFTransform.5TensorFlow数据集项目.6练习题第14章使用卷积神经网络的深度计算机视觉.1视觉皮层的架构.2卷积层.3池化层.4CNN架构.5使用Keras实现ResNet-34CNN44.6使用Keras的预训练模型.7迁移学习的预训练模型44.8分类和定位.9物体检测14.10语义分割.11练习题第15章使用RNN和CNN处理序列45.1循环神经元和层45.2训练RNN.3预测时间序列.4处理长序列.5练习题第16章使用RNN和注意力机制进行自然语言处理.1使用字符RNN生成莎士比亚文本.2情感分析.3神经机器翻译的编码器-解码器网络.4注意力机制.5最近语言模型的创新.6练习题第17章使用自动编码器和GAN的表征学习和生成学习.1有效的数据表征.2使用不完整的线性自动编码器执行PCA.3堆叠式自动编码器.4卷积自动编码器.5循环自动编码器.6去噪自动编码器.7稀疏自动编码器.8变分自动编码器.9生成式对抗网络.10练习题第18章强化学习.1学习优化奖励.2策略搜索.3OpenAIGym介绍.4神经网络策略.5评估动作：信用分配问题.6策略梯度58.7马尔可夫决策过程.8时序差分学习.9Q学习.10实现深度Q学习.11深度Q学习的变体.12TF-Agents库.13一些流行的RL算法概述.14练习题第19章大规模训练和部署TensorFlow模型.1为TensorFlow模型提供服务.2将模型部署到移动端或嵌入式设备.3使用GPU加速计算.4跨多个设备的训练模型.5练习题69.6致谢附录A课后练习题解答附录B机器学习项目清单附录CSVM对偶问题附录D自动微分附录E其他流行的人工神经网络架构附录F特殊数据结构附录GTensorFlow图我看过第一版了，还要买第二版吗？需要。第二版基于最新的TensorFlow2和新版Scikit-Learn全面升级，内容增加近一倍。作者对书中的代码和习题也进行了全面更新，帮你更快进阶，掌握业界最新研究成果。此外，本书还得到了Keras之父的鼎力推荐，作者本人也是前谷歌工程师，机器学习资深顾问：阅读体验如何？本书保持了OREILLY精品图书一贯的严谨、清晰风格，通过代码注释和附注说明全面讲解知识点，配套GitHub代码、习题与答案，清楚明了。实拍视频介绍01:01学习是对自己最好的投资！一本好书是程序员节送自己的最好礼物！点击下方链接，即可优惠购书，即刻发货！书到用时方恨少，赶紧入手“蜥蜴书”，动手练起来吧！[赠书福利]AI科技评论本次联合为大家带来15本“新版蜥蜴书”正版新书。在本文留言区留言，谈一谈你对本书内容相关的看法和期待，或你对机器学习/深度学习的理解。AI科技评论将会在留言区选出15名读者，每人送出《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第2版）》一本（在其他公号已获赠本书者重复参加无效）。活动规则：1.在留言区留言，留言点赞最高的前15位读者将获得赠书。获得赠书的读者请联系AI科技评论客服（aitechreview）。2.留言内容会有筛选，例如“选我上去”等内容将不会被筛选，亦不会中奖。3.本活动时间为年10月24日-年10月31日（23:00），活动推送内仅允许中奖一次。
陈大鑫，一年一度的程序员节到来了！关爱程序员，人人有责，今天AI科技评论又一次给大家带来福利了！什么福利？当然不是下面的“福利”：福利就是新版蜥蜴书！也就是传说中的机器学习“四大名著”中最适合入门的一本书~这本书的英文原版是美国亚马逊AI霸榜图书，在人工智能、计算机神经网络、计算机视觉和模式识别三大榜单中，均为榜首！国内外好评率均超过90%！第二版英文版一经上市，读者纷纷表示，希望能出中文版。现在，中文版来了！被国内外工程师们奉为“最强存在”的神书，闭眼入即可。越早看，越受益！如果你是AI初学者，正在寻求一个切入点，那么强烈建议你把本书当作入门教材。如果你是AI工程师，需要使用机器学习或者深度学习算法解决实际问题，可将本书当作实战手册，它可以让你了解深度学习的最新研究成果和实用技巧。另外这本书全书的代码都是开源可获取的~这本书能带给你什么？对于想要踏入机器学习和深度学习领域的初学者和工程师而言，一本理论和实践相结合的书籍是必不可少的，本书就是这样一本书。从理论上讲，本书最大的特色就是有深度，覆盖面广，但是书中并没有太多复杂的数学公式推导，很容易看懂。这在现在很多机器学习书籍中是不多见的。从实战来说，本书使用了当前热门的机器学习框架Scikit-Learn及深度学习框架TensorFlow和Keras，每一章都配备相应的项目示例，代码的实操性和可读性非常好。本书也是为有经验的工程师而写的，是一本实用指南。特别是附录B给出的机器学习项目清单，如果工业界想做一套机器学习的解决方案，完全可以按照这个清单去做。书籍目录前言1第一部分机器学习的基础知识11第1章机器学习概览.1什么是机器学习.2为什么使用机器学习.3机器学习的应用示例.4机器学习系统的类型.5机器学习的主要挑战.6测试与验证.7练习题40第2章端到端的机器学习项目.1使用真实数据.2观察大局.3获取数据.4从数据探索和可视化中获得洞见.5机器学习算法的数据准备.6选择和训练模型.7微调模型.8启动、监控和维护你的系统.9试试看.10练习题84第3章分类.1MNIST.2训练二元分类器.3性能测量.4多类分类器.5误差分析.6多标签分类.7多输出分类.8练习题第4章训练模型.1线性回归.2梯度下降.3多项式回归.4学习曲线.5正则化线性模型.6逻辑回归.7练习题第5章支持向量机.1线性SVM分类.2非线性SVM分类.3SVM回归.4工作原理.5练习题第6章决策树.1训练和可视化决策树.2做出预测.3估计类概率.4CART训练算法.5计算复杂度.6基尼不纯度或熵.7正则化超参数.8回归.9不稳定性.10练习题第7章集成学习和随机森林.1投票分类器.2bagging和pasting.3随机补丁和随机子空间.4随机森林.5提升法.6堆叠法.7练习题第8章降维.1维度的诅咒.2降维的主要方法.3PCA.4内核PCA.5LLE.6其他降维技术.7练习题第9章无监督学习技术.1聚类.2高斯混合模型.3练习题第二部分神经网络与深度学习第10章Keras人工神经网络简介.1从生物神经元到人工神经元.2使用Keras实现MLP.3微调神经网络超参数.4练习题第11章训练深度神经网络.1梯度消失与梯度爆炸问题.2重用预训练层.3更快的优化器.4通过正则化避免过拟合11.5总结和实用指南.6练习题第12章使用TensorFlow自定义模型和训练.1TensorFlow快速浏览.2像NumPy一样使用TensorFlow.3定制模型和训练算法32.4TensorFlow函数和图.5练习题第13章使用TensorFlow加载和预处理数据.1数据API.2TFRecord格式.3预处理输入特征.4TFTransform.5TensorFlow数据集项目.6练习题第14章使用卷积神经网络的深度计算机视觉.1视觉皮层的架构.2卷积层.3池化层.4CNN架构.5使用Keras实现ResNet-34CNN44.6使用Keras的预训练模型.7迁移学习的预训练模型44.8分类和定位.9物体检测14.10语义分割.11练习题第15章使用RNN和CNN处理序列45.1循环神经元和层45.2训练RNN.3预测时间序列.4处理长序列.5练习题第16章使用RNN和注意力机制进行自然语言处理.1使用字符RNN生成莎士比亚文本.2情感分析.3神经机器翻译的编码器-解码器网络.4注意力机制.5最近语言模型的创新.6练习题第17章使用自动编码器和GAN的表征学习和生成学习.1有效的数据表征.2使用不完整的线性自动编码器执行PCA.3堆叠式自动编码器.4卷积自动编码器.5循环自动编码器.6去噪自动编码器.7稀疏自动编码器.8变分自动编码器.9生成式对抗网络.10练习题第18章强化学习.1学习优化奖励.2策略搜索.3OpenAIGym介绍.4神经网络策略.5评估动作：信用分配问题.6策略梯度58.7马尔可夫决策过程.8时序差分学习.9Q学习.10实现深度Q学习.11深度Q学习的变体.12TF-Agents库.13一些流行的RL算法概述.14练习题第19章大规模训练和部署TensorFlow模型.1为TensorFlow模型提供服务.2将模型部署到移动端或嵌入式设备.3使用GPU加速计算.4跨多个设备的训练模型.5练习题69.6致谢附录A课后练习题解答附录B机器学习项目清单附录CSVM对偶问题附录D自动微分附录E其他流行的人工神经网络架构附录F特殊数据结构附录GTensorFlow图我看过第一版了，还要买第二版吗？需要。第二版基于最新的TensorFlow2和新版Scikit-Learn全面升级，内容增加近一倍。作者对书中的代码和习题也进行了全面更新，帮你更快进阶，掌握业界最新研究成果。此外，本书还得到了Keras之父的鼎力推荐，作者本人也是前谷歌工程师，机器学习资深顾问：阅读体验如何？本书保持了OREILLY精品图书一贯的严谨、清晰风格，通过代码注释和附注说明全面讲解知识点，配套GitHub代码、习题与答案，清楚明了。实拍视频介绍01:01学习是对自己最好的投资！一本好书是程序员节送自己的最好礼物！点击下方链接，即可优惠购书，即刻发货！书到用时方恨少，赶紧入手“蜥蜴书”，动手练起来吧！[赠书福利]AI科技评论本次联合为大家带来15本“新版蜥蜴书”正版新书。在本文留言区留言，谈一谈你对本书内容相关的看法和期待，或你对机器学习/深度学习的理解。AI科技评论将会在留言区选出15名读者，每人送出《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（原书第2版）》一本（在其他公号已获赠本书者重复参加无效）。活动规则：1.在留言区留言，留言点赞最高的前15位读者将获得赠书。获得赠书的读者请联系AI科技评论客服（aitechreview）。2.留言内容会有筛选，例如“选我上去”等内容将不会被筛选，亦不会中奖。3.本活动时间为年10月24日-年10月31日（23:00），活动推送内仅允许中奖一次。