基于Google云平臺的機器學(xué)習(xí)和深度學(xué)習(xí)入門

譯者序
原書前言
人工智能、機器學(xué)習(xí)和深度學(xué)習(xí)
第1部分 GCP與機器學(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 輕松進行機器學(xué)習(xí)67
31GCP的機器學(xué)習(xí)相關(guān)服務(wù)68
32Cloud Vision API73
33Cloud Translation API86
34Cloud Natural Language API90
第2部分 識別的基礎(chǔ)95
第4章二類識別96
41簡單識別97
42機器學(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章多類分類器和各種分類器138
51scikit-learn快速導(dǎo)覽139
52多類邏輯回歸141
53支持向量機151
54隨機森林162
第6章數(shù)據(jù)評估方法和調(diào)整170
61基本的學(xué)習(xí)流程171
62學(xué)習(xí)和測試173
63數(shù)據(jù)評估182
64參數(shù)調(diào)整188
第3部分 深度學(xué)習(xí)入門194
第7章深度學(xué)習(xí)基礎(chǔ)知識196
71圖像識別197
72神經(jīng)網(wǎng)絡(luò)201
73激活函數(shù)211
74多類支持216
75各種梯度下降法222
76TensorFlow的準備230
77神經(jīng)網(wǎng)絡(luò)的實現(xiàn)238
78使用DNNClassifier簡化學(xué)習(xí)244
79TensorBoard246
第8章CNN256
81前面圖像識別中的問題257
82卷積層265
83卷積層運算的種類和池化層272
84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(shè)置