机器学习实战：模型构建与应用

机器学习实战：模型构建与应用读书笔记模板01思维导图目录分析读书笔记内容摘要作者介绍精彩摘录目录0305020406思维导图机器模型模型场景实战部分序列用户第章模型数据总结编程神经网络序列机器使用文本视觉本书关键字分析思维导图内容摘要内容摘要本书主要包括两部分。第1部分（第1章-第11章）讲解了如何使用TensorFlow来创建不同应用场景的机器学习模型。该部分介绍TensorFlow、计算机视觉、自然语言处理和序列建模。第二部分（第12章-第20章）将引导你了解如何将模型置于Android和iOS上的用户手中、使用JavaScript的浏览器以及通过云提供服务的场景。目录分析第1章TensorFlow简介第2章计算机视觉简介第3章图像特征检测第4章TensorFlowDatasets第一部分构建模型第5章自然语言处理简介第6章使用嵌入来编程情感第7章自然语言处理的循环神经络第8章使用TensorFlow创建文本第9章理解序列和时间序列数据12345第一部分构建模型第11章序列模型中的卷积和循环第10章创建ML模型来预测序列第一部分构建模型第1章TensorFlow简介1.1什么是机器学习1.2传统编程的局限性1.3从编程到学习1.4什么是TensorFlow1.5使用TensorFlow1.6初学机器学习1.7总结第2章计算机视觉简介2.1识别服装2.2视觉神经元2.3设计神经络2.4训练神经络2.5探索模型输出2.6训练更长时间，发现过拟合2.7停止训练2.8总结第3章图像特征检测3.1卷积3.2池化3.3实现卷积神经络3.4探索卷积络3.5创建一个CNN来区分马和人3.6图像增强3.7迁移学习3.8多类别分类3.9dropout正则化第4章TensorFlowDatasets4.1TFDS入门4.2在Keras模型中使用TFDS4.3使用映射函数进行增强4.4使用自定义分割4.5理解TFRecord4.6TensorFlow中管理数据的ETL过程4.7总结第5章自然语言处理简介5.1将语言编码为数字5.2移除停用词和清理文本5.3使用真实数据源5.4总结第6章使用嵌入来编程情感6.1从词建立意义6.2TensorFlow中的嵌入6.3可视化嵌入6.4使用来自TensorFlowHub的预训练嵌入6.5总结第7章自然语言处理的循环神经络7.1循环的基础7.2为语言扩展循环7.3使用RNN创建文本分类器7.4在RNN中使用预训练的嵌入7.5总结第8章使用TensorFlow创建文本8.1将序列转换为输入序列8.2创建模型8.3生成文本8.4扩展数据集8.5改变模型架构8.6改进数据8.7基于字符的编码8.8总结第9章理解序列和时间序列数据9.1时间序列的常见属性9.2预测时间序列的技术9.3总结第10章创建ML模型来预测序列10.1创建窗口数据集10.2创建并训练DNN来拟合序列数据10.3评估DNN的结果10.4探索整体的预测10.5调整学习率10.6使用KerasTuner探索超参数调优10.7总结第11章序列模型中的卷积和循环11.1序列数据的卷积11.2使用NASA天气数据11.3使用RNN进行序列建模11.4使用其他循环方法11.5使用dropout11.6使用双向RNN11.7总结第12章TensorFlowLite简介第13章在Android应用程序中使用TensorFlowLite第14章在iOS应用程序中使用TensorFlowLite第15章TensorFlow.js简介第二部分使用模型第16章TensorFlow.js中的计算机视觉编程技术第17章重用和转换Python模型为JavaScript第18章JavaScript中的迁移学习第19章使用TensorFlowServing进行部署第20章AI的伦理、公平和隐私12345第二部分使用模型第12章TensorFlowLite简介12.1什么是TensorFlowLite12.2演练：创建模型并将其转换为TensorFlowLite12.3演练：迁移学习图像分类器并转换到TensorFlowLite12.4总结第13章在Android应用程序中使用TensorFlowLite13.1什么是AndroidStudio13.2创建你的第一个TensorFlowLiteAndroid应用程序13.3超越“HelloWorld”—处理图像13.4TensorFlowLite示例应用程序13.5总结第14章在iOS应用程序中使用TensorFlowLite14.1使用Xcode创建你的第一个TensorFlowLite应用程序14.2超越“HelloWorld”—处理图像14.3TensorFlowLite示例应用程序14.4总结第15章TensorFlow.js简介15.1什么是TensorFlow.js15.2安装和使用BracketsIDE15.3构建第一个TensorFlow.js模型15.4创建Iris分类器15.5总结第16章TensorFlow.js中的计算机视觉编程技术16.1TensorFlow开发人员的JavaScript注意事项16.2使用JavaScript构建CNN16.3使用回调进行可视化16.4使用MNIST数据集进行训练16.5在TensorFlow.js中对图像运行推理16.6总结第17章重用和转换Python模型为JavaScript17.1将基于Python的模型转换为JavaScript17.2使用预转换的JavaScript模型17.3总结第18章JavaScript中的迁移学习18.1从MobileNet进行迁移学习18.2来自TensorFlowHub的迁移学习18.3使用来自TensorFlow的模型18.4总结第19章使用TensorFlowServing进行部署19.1什么是TensorFlowServing19.2安装TensorFlowServing19.3构建和服务模型19.4总结第20章AI的伦理、公平和隐私20.1编程中的公平20.2机器学习中的公平20.3实现公平的工具20.4联邦学习20.5谷歌的AI原则20.6总结作者介绍同