本书介绍了如何使用scikit-learn、TensorFlow等关键库来有效解决现实世界的机器学习问题。本书着重于实用的解决方案，提供多个案例，详细地讲解了如何使用Python生态系统中的现代库来构建功能强大的机器学习应用程序；还介绍了分类、聚类和推荐引擎等多种机器学习算法，以及如何将监督学习和无监督学习技术应用于实际问题；最后，介绍了强化学习、深度神经网络和自动机器学习等应用示例。本书适合数据科学家、机器学习开发人员、深度学习爱好者以及希望使用机器学习技术和算法解决实际问题的Python程序员阅读。
本书采用新的方法来处理实际的机器学习和深度学习任务。 本书能够帮助你学会如何使用 Python 生态系统中新的库来构建强大的机器学习应用，指导你使用标准化的方法实现多种机器学习算法，如分类、聚类和推荐引擎等。本书还介绍了如何应用有监督学习和无监督学习技术来解决实际问题。 最后，本书结合实例讲解了更优选的技术，包括强化学习、深度神经网络和自动化机器学习等。 读完本书，你将掌握应用机器学习技术所需的各项技能，并能利用整个 Python 生态系统去解决现实问题。 提供本书源代码以及书中彩图文件下载。 本书主要包括以下内容： ■使用预测建模解决实际问题 ■探索数据可视化技术，以实现数据交互 ■学习构建推荐引擎 ■理解如何处理文本数据，并构建分析模型 ■处理语音数据，使用隐马尔可夫模型识别语音中的单词 ■掌握强化学习、自动化机器学习和迁移学习技术 ■处理图像数据，构建图像识别和面部识别系统 ■使用深度神经网络构建光学字符识别系统目录:
第1章 监督学习 1
第2章 构建分类器 41
第3章 预测建模 81
第4章 无监督学习——聚类 112
第5章 可视化数据 145
第6章 构建推荐引擎 167
第7章 文本数据分析 201
第8章 语音识别 232
第9章 时序列化和时序数据分析 256
第10章 图像内容分析 284
第11章 生物特征人脸识别 310
第12章 强化学习 339
第13章 深度神经网络 361
第14章 无监督表示学习 385
第15章 自动机器学习与迁移学习 408
第16章 生产中的应用 430
点击下载