本書主要介紹了Google云平臺中有關(guān)機器學習的多種工具,以及如何使用它們來進行機器學習。這些工具對使用者在機器學習理論方面的要求很低,讀者可以在僅了解一點有關(guān)機器學習基礎知識的前提下使用它們。
本書在使用每種機器學習的工具或技術(shù)之前,都會對相應的理論進行較為詳實的介紹。但也同時考慮了機器學習理論的復雜性,在對理論知識的介紹中避免了復雜的數(shù)學公式,取而代之的是生動淺顯的例子。其中很多示例是使用Python代碼在Google云平臺上實現(xiàn)的。
本書適合剛開始接觸機器學習的讀者閱讀。
譯者序
原書前言
人工智能、機器學習和深度學習
第1部分 GCP與機器學習1
第1章 嘗試使用GCP2
1.1GCP 概述3
1.2創(chuàng)建賬戶和項目5
1.3Cloud Shell9
1.4Google Compute Engine13
1.5Google Cloud Storage18
1.6BigQuery26
第2章使用Datalab32
2.1Datalab快速瀏覽33
2.2NumPy和pandas42
2.3鏈接Datalab和BigQuery53
2.4用Datalab繪制各種圖形59
第3章使用 GCP 輕松進行機器學習67
3.1GCP的機器學習相關(guān)服務68
3.2Cloud Vision API73
3.3Cloud Translation API86
3.4Cloud Natural Language API90
第2部分 識別的基礎95
第4章二類識別96
4.1簡單識別97
4.2機器學習的引入106
4.3感知器116
4.4損失函數(shù)125
4.5邏輯回歸128
第5章多類分類器和各種分類器138
5.1scikit-learn快速導覽139
5.2多類邏輯回歸141
5.3支持向量機151
5.4隨機森林162
第6章數(shù)據(jù)評估方法和調(diào)整170
6.1基本的學習流程171
6.2學習和測試173
6.3數(shù)據(jù)評估182
6.4參數(shù)調(diào)整188
第3部分 深度學習入門194
第7章深度學習基礎知識196
7.1圖像識別197
7.2神經(jīng)網(wǎng)絡201
7.3激活函數(shù)211
7.4多類支持216
7.5各種梯度下降法222
7.6TensorFlow的準備230
7.7神經(jīng)網(wǎng)絡的實現(xiàn)238
7.8使用DNNClassifier簡化學習244
7.9TensorBoard246
第8章CNN256
8.1前面圖像識別中的問題257
8.2卷積層265
8.3卷積層運算的種類和池化層272
8.4使用TensorFlow實施兩層CNN280
附錄288
附錄A Python2的基本使用方法
附錄B Jupyter的設置