基于Google云平臺(tái)的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)入門(mén)

譯者序
原書(shū)前言
人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)
第1部分 GCP與機(jī)器學(xué)習(xí)1
第1章 嘗試使用GCP2
11GCP 概述3
12創(chuàng)建賬戶和項(xiàng)目5
13Cloud Shell9
14Google Compute Engine13
15Google Cloud Storage18
16BigQuery26
第2章使用Datalab32
21Datalab快速瀏覽33
22NumPy和pandas42
23鏈接Datalab和BigQuery53
24用Datalab繪制各種圖形59
第3章使用 GCP 輕松進(jìn)行機(jī)器學(xué)習(xí)67
31GCP的機(jī)器學(xué)習(xí)相關(guān)服務(wù)68
32Cloud Vision API73
33Cloud Translation API86
34Cloud Natural Language API90
第2部分 識(shí)別的基礎(chǔ)95
第4章二類(lèi)識(shí)別96
41簡(jiǎn)單識(shí)別97
42機(jī)器學(xué)習(xí)的引入106
43感知器116
44損失函數(shù)125
45邏輯回歸128
第5章多類(lèi)分類(lèi)器和各種分類(lèi)器138
51scikit-learn快速導(dǎo)覽139
52多類(lèi)邏輯回歸141
53支持向量機(jī)151
54隨機(jī)森林162
第6章數(shù)據(jù)評(píng)估方法和調(diào)整170
61基本的學(xué)習(xí)流程171
62學(xué)習(xí)和測(cè)試173
63數(shù)據(jù)評(píng)估182
64參數(shù)調(diào)整188
第3部分 深度學(xué)習(xí)入門(mén)194
第7章深度學(xué)習(xí)基礎(chǔ)知識(shí)196
71圖像識(shí)別197
72神經(jīng)網(wǎng)絡(luò)201
73激活函數(shù)211
74多類(lèi)支持216
75各種梯度下降法222
76TensorFlow的準(zhǔn)備230
77神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)238
78使用DNNClassifier簡(jiǎn)化學(xué)習(xí)244
79TensorBoard246
第8章CNN256
81前面圖像識(shí)別中的問(wèn)題257
82卷積層265
83卷積層運(yùn)算的種類(lèi)和池化層272
84使用TensorFlow實(shí)施兩層CNN280
附錄288
附錄A Python2的基本使用方法
附錄B Jupyter的設(shè)置