机器学习编程

作品简介

使用监督学习从头构建一个图像识别应用程序。用线性回归预测未来。深入研究梯度下降，这是一种驱动大部分机器学习的基本算法。创建感知器来分类数据。建立神经网络来处理更复杂和复杂的数据集。通过反向传播和批处理来训练和细化这些网络。分层神经网络，消除过度拟合，并添加卷积将您的神经网络转换为一个真正的深度学习系统。

作者：保罗·佩罗塔。

作品目录

• 译者序
• 前言
• 致谢
• 第一部分　从零开始的图像识别
• 第1章　机器学习的原理
• 第2章　首个机器学习程序
• 第3章　梯度
• 第4章　超空间
• 第5章　能辨识的机器
• 第6章　计算机视觉初探
• 第7章　最后的挑战
• 第8章　感知机
• 第二部分　神经网络
• 第9章　设计神经网络
• 第10章　构建神经网络
• 第11章　训练神经网络
• 第12章　分类器的工作原理
• 第13章　小批量处理
• 第14章　测试的禅意
• 第15章　来做开发吧
• 第三部分　深度学习
• 第16章　深度神经网络
• 第17章　战胜过度拟合
• 第18章　驯服深度网络
• 第19章　超越香草神经网络
• 第20章　深度学习
• 附录A　Python语言入门
• 附录B　机器学习术语