机器学习实战：基于Scikit-Learn和TensorFlow

随着一系列的突破，深度学习点燃了整个机器学习领域。现在，即使是对这项技术毫无基础的程序员，也可以使用简单高效的工具来实现“可以自动从数据中学习”的程序。本书将展示如何做到这一点。通过具体的例子、非常少的理论和两个产品级的Python框架——Scikit-learn和TensorFlow。作者帮助你很直观地理解并掌握构建智能系统的概念和工具。你将学习一系列技术，从简单的线性回归开始到深度神经网络等。每章都有习题来帮助你应用学到的知识，你所需要的只是一点编程经验，仅此而已。-探索机器学习的全景图，特别是神经网络。-使用Scikit-Learn来端到端地建立一个机器学习项目的示例。-探索多种训练模型，包括支持向量机、决策树、随机森林和集成方法。-使用TensorFlow库建立和训练神经网络。-深入神经网络架构，包括卷积网络、递归网络和深度强化学习。-学习训练和伸缩深度神经网络的技巧。-应用可以工作的代码示例，而无须过多的机器学习理论或算法细节。本书是关于使用神经网络来解决问题的理论和实践的一本导论。它涵盖了你建立高效应用的关键点，以及足够的背景知识以应对新研究的出现。我推荐这本书给有兴趣学习用机器学习来解决实际问题的人。-PeteWarden-TensorFlow移动端负责人AurelienGeron是机器学习方面的顾问。他是Google的前员工，在2013年到2016年领导过YouTube视频分类团队。2002年至2012年，他还是Wifirst公司的创始人和首席技术官，在2001年，他是Ployconseil公司的创始人和首席技术官。