《Python+TensorFlow机器学习实战》内容简介

本书通过开发实例和项目案例，详细介绍TensorFlow开发所涉及的主要内容。书中的每个知识点都通过实例进行通俗易懂的讲解，便于读者轻松掌握有关TensorFlow开发的内容和技巧，并能够得心应手地使用TensorFlow进行开发。
本书内容共分为11章，首先介绍TensorFlow的基本知识，通过实例逐步深入地讲解线性回归、支持向量机、神经网络算法和无监督学习等常见的机器学习算法模型。然后通过TensorFlow在自然语言文本处理、语音识别、图形识别和人脸识别等方面的成功应用讲解TensorFlow的实际开发过程。本书适合有一定Python基础的工程师阅读；对于有一定基础的读者，可通过本书快速地将TensorFlow应用到实际开发中；对于高等院校的学生和培训机构的学员，本书也是入门和实践机器学习的优秀教材。
李鸥，计算机科学硕士，曾就职支付宝，现任职某央企研究院，致力于人工智能的研究，对机器学习的原理、开发框架及其在不同场景中的应用有浓烈兴趣，在图形识别、文本识别、语音识别、数据挖掘方面有丰富实践经验，参与基于机器学习的用户行为分析以及某省部级项目研究。

作品目录

内容简介
作者简介
前言
第1章：机器学习概述
1.1、人工智能
1.2、机器学习
1.3、TensorFlow简介
1.4、TensorFlow环境准备
1.5、常用的第三方模块
1.6、本章小结
第2章：TensorFlow基础
2.1、TensorFlow基础框架
2.2、TensorFlow源代码结构分析
2.3、TensorFlow基本概念
2.4、第一个TensorFlow示例
2.5、TensorBoard可视化
2.6、本章小结
第3章：TensorFlow进阶
3.1、加载数据
3.2、存储和加载模型
3.3、评估和优化模型
3.4、本章小结
第4章：线性模型
4.1、常见的线性模型
4.2、一元线性回归
4.3、多元线性回归
4.4、逻辑回归
4.5、本章小结
第5章：支持向量机
5.1、支持向量机简介
5.2、拟合线性回归
5.3、拟合逻辑回归
5.4、非线性二值分类
5.5、非线性多类分类
5.6、本章小结
第6章：神经网络
6.1、神经网络简介
6.2、拟合线性回归问题
6.3、MNIST数据集
6.4、全连接神经网络
6.5、卷积神经网络
6.6、通过卷积神经网络处理MNIST
6.7、循环神经网络
6.8、通过循环神经网络处理MNIST
6.9、递归神经网络
6.10、本章小结
第7章：无监督学习
7.1、无监督学习简介
7.2、K均值聚类
7.3、自编码网络
7.4、本章小结
第8章：自然语言文本处理
8.1、自然语言文本处理简介
8.2、学写唐诗
8.3、智能影评分类
8.4、智能聊天机器人
8.5、本章小结
第9章：语音处理
9.1、语音处理简介
9.2、听懂数字
9.3、听懂中文
9.4、语音合成
9.5、本章小结
第10章：图像处理
10.1、机器学习的图像处理简介
10.2、图像物体识别
10.3、图片验证码识别
10.4、图像物体检测
10.5、看图说话
10.6、本章小结
第11章：人脸识别
11.1、人脸识别简介
11.2、人脸验证
11.3、性别和年龄的识别
11.4、本章小结