機器學習實戰(zhàn)：模型構建與應用

機器學習實戰(zhàn)：模型構建與應用讀書筆記模板01思維導圖目錄分析讀書筆記內容摘要作者介紹精彩摘錄目錄0305020406思維導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)總結編程神經網絡序列機器使用文本視覺本書關鍵字分析思維導圖內容摘要內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)建不同應用場景的機器學習模型。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)神經絡第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模型來預測序列第一部分構建模型第1章TensorFlow簡介1.1什么是機器學習1.2傳統(tǒng)編程的局限性1.3從編程到學習1.4什么是TensorFlow1.5使用TensorFlow1.6初學機器學習1.7總結第2章計算機視覺簡介2.1識別服裝2.2視覺神經元2.3設計神經絡2.4訓練神經絡2.5探索模型輸出2.6訓練更長時間，發(fā)現(xiàn)過擬合2.7停止訓練2.8總結第3章圖像特征檢測3.1卷積3.2池化3.3實現(xiàn)卷積神經絡3.4探索卷積絡3.5創(chuàng)建一個CNN來區(qū)分馬和人3.6圖像增強3.7遷移學習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的預訓練嵌入6.5總結第7章自然語言處理的循環(huán)神經絡7.1循環(huán)的基礎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中使用預訓練的嵌入7.5總結第8章使用TensorFlow創(chuàng)建文本8.1將序列轉換為輸入序列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8.6改進數(shù)據(jù)8.7基于字符的編碼8.8總結第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預測時間序列的技術9.3總結第10章創(chuàng)建ML模型來預測序列10.1創(chuàng)建窗口數(shù)據(jù)集10.2創(chuàng)建并訓練DNN來擬合序列數(shù)據(jù)10.3評估DNN的結果10.4探索整體的預測10.5調整學習率10.6使用KerasTuner探索超參數(shù)調優(yōu)10.7總結第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總結第12章TensorFlowLite簡介第13章在Android應用程序中使用TensorFlowLite第14章在iOS應用程序中使用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第17章重用和轉換Python模型為JavaScript第18章JavaScript中的遷移學習第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)建模型并將其轉換為TensorFlowLite12.3演練：遷移學習圖像分類器并轉換到TensorFlowLite12.4總結第13章在Android應用程序中使用TensorFlowLite13.1什么是AndroidStudio13.2創(chuàng)建你的第一個TensorFlowLiteAndroid應用程序13.3超越“HelloWorld”—處理圖像13.4TensorFlowLite示例應用程序13.5總結第14章在iOS應用程序中使用TensorFlowLite14.1使用Xcode創(chuàng)建你的第一個TensorFlowLite應用程序14.2超越“HelloWorld”—處理圖像14.3TensorFlowLite示例應用程序14.4總結第15章TensorFlow.js簡介15.1什么是TensorFlow.js15.2安裝和使用BracketsIDE15.3構建第一個TensorFlow.js模型15.4創(chuàng)建Iris分類器15.5總結第16章TensorFlow.js中的計算機視覺編程技術16.1TensorFlow開發(fā)人員的JavaScript注意事項16.2使用JavaScript構建CNN16.3使用回調進行可視化16.4使用MNIST數(shù)據(jù)集進行訓練16.5在TensorFlow.js中對圖像運行推理16.6總結第17章重用和轉換Python模型為JavaScript17.1將基于Python的模型轉換為JavaScript17.2使用預轉換的JavaScript模型17.3總結第18章JavaScript中的遷移學習18.1從MobileNet進行遷移學習18.2來自TensorFlowHub的遷移學習18.3使用來自TensorFlow的模型18.4總結第19章使用TensorFlowServing進行部署19.1什么是TensorFlowServing19.2安裝TensorFlowServing19.3構建和服務模型19.4總結第20章AI的倫理、公平和隱私20.1編程中的公平20.2機器學習中的公平20.3實現(xiàn)公平的工具20.4聯(lián)邦學習20.5谷歌的AI原則20.6總結作者介紹同