從線性迴歸到強化學習
“對想要進入深度學習這個令人興奮的領域的機器學習從業者來說,這是一本很棒的書。由於本書涵蓋廣泛的主題,當你想要進一步提升技術時,也會將它當成參考書來重新閱讀。” —Marvin Bertin(Freenome機器學習研究工程師)
TensorFlow是革命性的Google深度學習程式庫,本書將教你如何用它來解決具挑戰性的機器學習問題。只要你具備一些基本線性代數與微積分的背景知識,就可以在這本實用的書籍學到如何設計能夠檢查圖像物體、瞭解文字以及預測潛在藥物特性的系統,瞭解機器學習的基礎知識。
透過實際的案例傳授觀念,協助你從根本開始建立深厚的深度學習基礎知識。本書非常適合具備軟體系統設計經驗的實務開發者,或已熟悉腳本語言但不知道如何設計學習演算法的專家。
.學習TensorFlow的基本知識,包括如何執行基本的計算
.藉由建立簡單的學習系統瞭解相關數學基礎
.深入瞭解已被上千種app使用的全連結深度網路
.藉由超參數優化將原型轉換成高品質的模型
.用摺積神經網路處理圖像
.用遞迴神經網路處理神經語言資料集
.使用強化學習玩遊戲,例如井字遊戲
.用GPU與張量處理單元等硬體訓練深度網路
作者簡介
Bharath Ramsundar
Bharath Ramsundar 是DeepChem.io首席開發者與創造者,DeepChem.io採用TensorFlow的開放原始碼套件,旨在促進大眾在藥物發現領域應用深度學習。目前是Stanford大學電腦科學博士班學生。
Reza Zadeh
Reza Bosagh Zadeh 是Matroid創辦人與Stanford大學兼任教授,教導機器學習與演算法的研究生課程。他的工作重點是機器學習、分散式運算與離散應用數學,曾經為Twitter建立who-to-follow系統底層的機器學習演算法。
chapter 01 深度學習介紹
chapter 02 TensorFlow 基本觀念介紹
chapter 03 用 TensorFlow 來做線性與 logistic 迴歸
chapter 04 全連結深度網路
chapter 05 超參數優化
chapter 06 摺積神經網路
chapter 07 遞迴神經網路
chapter 08 強化學習
chapter 09 訓練大型深度網路
chapter 10 深度學習的未來
索引