国产精品999,99热在线观看,99国产精品99久久久久久,欧美性猛交99久久久久99按摩

是女人一定要看!萬萬沒想到(2020年十大推薦的好書解讀)2020必看好書-2022新年薦書!最值得一讀的8部機(jī)器學(xué)習(xí)教程(PDF下載)

編輯:David

【新智元導(dǎo)讀】新的一年到了,小伙伴是不是總覺得時(shí)間太少,要學(xué)的東西太多?今天這篇薦書貼挑選了8本機(jī)器學(xué)習(xí)經(jīng)典教程,由淺入深,從理論到實(shí)踐,大部分可免費(fèi)下載,一起來充電吧!

新的一年,是不是感覺時(shí)間太少,要學(xué)的東西太多了?

在過去的幾年里,有不少講深度學(xué)習(xí)的書籍。今天給小伙伴們推薦8本關(guān)于AI和機(jī)器學(xué)習(xí)的經(jīng)典書籍,大部分都有完整版PDF下載。

這8本書從內(nèi)容上看,可以分為四類:

機(jī)器和深度學(xué)習(xí)基礎(chǔ)知識(shí)(適合初學(xué)者)機(jī)器學(xué)習(xí)框架:Pytorch、Tensorflow 和 KerasMLOP:云、生產(chǎn)和深度學(xué)習(xí)工程深度學(xué)習(xí)理論

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)基礎(chǔ)

Andriy Burkov:The Hundred-Page Machine Learning Book

如果你是新手,看這本書就很適合。如果是老手,可能會(huì)覺得這本書很無聊,講的都是你已經(jīng)知道的東西。

前兩章重點(diǎn)介紹機(jī)器學(xué)習(xí)公式、符號(hào)和關(guān)鍵術(shù)語。隨后,Burkov 分析了最重要的 ML 算法,如回歸、決策樹、支持向量機(jī)和 k-最近鄰。

第 4 章是關(guān)于梯度下降和學(xué)習(xí)過程的,第 5 章是最佳實(shí)踐的集合;即特征工程、正則化、超參數(shù)調(diào)整等。第 6 章專門介紹神經(jīng)網(wǎng)絡(luò)。

之后,Burkov 討論了如何使用上述方法解決特定問題。書中解釋了常見的機(jī)器學(xué)習(xí)挑戰(zhàn)、陷阱以及有針對(duì)性的解決方案。最后講到了無監(jiān)督、自監(jiān)督和推薦系統(tǒng)等內(nèi)容。

PDF:

https://pdf.zlibcdn.com/dtoken/4d82356f2bb44f73f4a94a7c489f6b4f/The_hundred-page_machine_learning_book_by_Burkov,__3710356_(z-lib.org).pdf

Meor Amer:A visual introduction to Deep Learning

這本書非常適合喜歡通過直觀視覺學(xué)習(xí)深度學(xué)習(xí)的人。

總的來說,我們發(fā)現(xiàn)這本書很容易理解,因?yàn)闀械膱D和文本之間處于很好的平衡。上一本100多頁的書相比,這本書涉及的數(shù)學(xué)更少,插圖更多。

書中在解釋反向傳播時(shí)非常關(guān)注細(xì)節(jié),不會(huì)讓讀者迷失在數(shù)學(xué)中。不可否認(rèn),反向傳播真的很難教,作者M(jìn)eor在這方面做得很好。此外,書中還對(duì)混淆矩陣和 F1 分?jǐn)?shù)等性能指標(biāo)進(jìn)行了徹底分析。

但是,這本書讓編程人員可能不大方便。這本書講的是理論的基本部分,但把代碼留給讀者去嘗試。由于這本書的介紹比較籠統(tǒng),理論和編程實(shí)踐之間可能會(huì)有差距。

相關(guān)資源:

https://www.kdimensions.com/l/visualdl

機(jī)器學(xué)習(xí)框架:Pytorch、Tensorflow、Keras

Eli Stevens, Luca Antiga, and Thomas Viehmann:Deep Learning with PyTorch

無論你處于什么階段,要學(xué)習(xí)Pytorch大概都少不了這本書。本書分為3個(gè)部分。

第 1 部分:前 3 章介紹了 PyTorch 和張量操作。第 4 章從字面上描述了如何獲取任何數(shù)據(jù)、視頻或一行文本,并將其表示為張量,其中涵蓋了醫(yī)學(xué)圖像、表格數(shù)據(jù)和帶具體示例的文本,對(duì)于初學(xué)者,這些內(nèi)容非常有價(jià)值。

第5、6章涵蓋了使用簡單神經(jīng)網(wǎng)絡(luò)(如反向傳播)學(xué)習(xí)過程的所有基礎(chǔ)知識(shí),重點(diǎn)是講如何在Pytorch 中的動(dòng)手寫代碼。

第 2 部分講的是面向現(xiàn)實(shí)問題的模型,包括從 3D 圖像數(shù)據(jù)中檢測癌癥和肺結(jié)節(jié)等。這部分內(nèi)容會(huì)引導(dǎo)讀者完成整個(gè)設(shè)計(jì)和思考過程。作為機(jī)器學(xué)習(xí)建模人員,讀者可以掌握需要遵循的所有必要步驟。

雖然我在這里有點(diǎn)偏見,但我喜歡這本書的這一部分,老實(shí)說,我認(rèn)為這里介紹的方法可以轉(zhuǎn)移到解決新問題上。

第 3 部分介紹了從 Pytorch 導(dǎo)出的模型,包括執(zhí)行推理或移動(dòng)設(shè)備所需的步驟。對(duì)于想要學(xué)習(xí)如何優(yōu)化訓(xùn)練后模型,并在硬件資源有限的嵌入式設(shè)備中使用的工程師來說,這部分內(nèi)容會(huì)很有幫助。

PDF :

https://pytorch.org/assets/deep-learning/Deep-Learning-with-PyTorch.pdf

Fran?ois Chollet:Deep Learning with Python(2nd Edition)

這本書基于 Keras 框架講述深度學(xué)習(xí)。本書的第 2 版包含大量新增內(nèi)容,強(qiáng)烈建議閱讀第二版。

前 4 章為新手基礎(chǔ)知識(shí),如張量運(yùn)算、反向傳播、基本的 Keras 模塊,以及聚類和回歸問題。

第 5 章分析了優(yōu)化和泛化之間的權(quán)衡以及它與訓(xùn)練數(shù)據(jù)的關(guān)系。這一章節(jié)解釋了為什么訓(xùn)練后的模型會(huì)通過逼近其數(shù)據(jù)的潛在流形實(shí)現(xiàn)泛化,并可以通過插值對(duì)新的輸入做出高質(zhì)量的預(yù)測。

第 6 章教你如何處理一個(gè)新的機(jī)器學(xué)習(xí)項(xiàng)目,包括設(shè)定切合實(shí)際的目標(biāo)、收集數(shù)據(jù)、打破良好的基線和部署。第 7 章說明了如何更好地理解 Keras API 和回調(diào)。

第 8 章和第 9 章通過利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像分類和圖像分割,全面概述了計(jì)算機(jī)視覺中的深度學(xué)習(xí)。第 10 章側(cè)重于使用循環(huán)神經(jīng)網(wǎng)絡(luò)處理時(shí)間序列,第 11 章介紹了用于處理文本數(shù)據(jù)的Transformer架構(gòu)。

第12章提出了各種生成模型來生成新的文本、圖像。作者對(duì)生成對(duì)抗網(wǎng)絡(luò) (GAN) 、變分自動(dòng)編碼器 (VAE) 以及對(duì)潛在空間的解釋和觀點(diǎn)很有意思。

最后,本書涵蓋了現(xiàn)實(shí)世界的高級(jí)概念,例如超參數(shù)調(diào)整、模型集成、混合精度訓(xùn)練、多 GPU 或多 TPU 訓(xùn)練等。

PDF:

https://drive.google.com/uc?export=download&id=1czfFQr2qWRBVGmrYyg_jzv0Q_-eJl5ip

Laurence Moroney:AI and Machine Learning for Coders: A Programmers Guide to Artificial Intelligence

如果你正在找有關(guān) Tensorflow 的完整教程,這本書可能是最佳選擇。Laurence Moroney 是 Google 的首席 AI 倡導(dǎo)者,在 Tensorflow 及其相關(guān)庫方面擁有豐富的經(jīng)驗(yàn)。

本書分為兩部分。第一部分關(guān)于研究機(jī)器學(xué)習(xí)應(yīng)用、如何利用 Tensorflow 來開發(fā)這些應(yīng)用。包括計(jì)算機(jī)視覺、自然語言處理、時(shí)間序列分析和序列模型。在這部分可以學(xué)習(xí)如下內(nèi)容:

如何使用 Tensorflow 構(gòu)建 CNN 和 RNN;如何處理文本、圖像和時(shí)間序列數(shù)據(jù);如何利用 Tensorflow 數(shù)據(jù)集進(jìn)行數(shù)據(jù)處理和探索。

第二部分是在實(shí)際應(yīng)用中使用這些模型。讀者將熟悉移動(dòng)或 Web 應(yīng)用程序上的模型部署。主要內(nèi)容包括:

如何使用 Tensorflow Lite 在 Android 或 iOS 中嵌入模型;如何利用 Tensoflow.js;什么是 Tensorflow 服務(wù)、如何部署模型等。

這本書非常實(shí)用,有很多代碼段和漂亮的可視化效果。

PDF :

https://drive.google.com/file/d/1-WViisjDgKzvdw-AZ0CLXctiGspP84SJ/view?usp=sharing

MLOP:云、生產(chǎn)和深度學(xué)習(xí)工程

Sergios Karagianakos:Deep learning in production

本書采用動(dòng)手實(shí)踐的方法來學(xué)習(xí) MLOps。這本書的前提是,讀者從一個(gè)深度學(xué)習(xí)模型開始,努力構(gòu)建一個(gè)可擴(kuò)展的 Web 應(yīng)用程序。書中包含大量代碼段和可視化效果,對(duì)于軟件背景有限的機(jī)器學(xué)習(xí)研究人員和數(shù)據(jù)科學(xué)家來說,本書是個(gè)不錯(cuò)的資源。

書中各章節(jié)涉及機(jī)器學(xué)習(xí)生命周期的不同階段。在討論了設(shè)計(jì)階段之后,讀者將熟悉如何編寫可維護(hù)的深度學(xué)習(xí)代碼(如 OOP、單元測試和調(diào)試)的最佳實(shí)踐。第 5 章是關(guān)于構(gòu)建高效的數(shù)據(jù)管道,第 6 章涉及云中的模型訓(xùn)練以及各種分布式訓(xùn)練技術(shù)。

接著,本書討論服務(wù)和部署技術(shù),同時(shí)強(qiáng)調(diào) Flask、uWSGI、Nginx 和 Docker 等工具。最后兩章探討了 MLOP。

更具體地說,是討論如何使用 Kubernetes 擴(kuò)展深度學(xué)習(xí)應(yīng)用程序,如何使用 Tensorflow Extended 構(gòu)建端到端pipeline,以及如何利用谷歌云和 Vertex AI。

相關(guān)資源:

https://github.com/The-AI-Summer/Deep-Learning-In-Production

Andriy Burkov:Machine learning engineering

這是本文推薦的 Burkov 的第二本書。作者在書中如何構(gòu)建機(jī)器學(xué)習(xí)應(yīng)用程序的設(shè)計(jì)模式和最佳實(shí)踐方面建立了聯(lián)系。

與前一本書類似,每一章都側(cè)重于 ML 生命周期的一個(gè)單獨(dú)階段。從設(shè)計(jì)階段開始描述了 ML 項(xiàng)目的挑戰(zhàn)和優(yōu)先級(jí),然后講到數(shù)據(jù)處理和特征工程,書中包括了常用行業(yè)術(shù)語的清晰解釋,以及相應(yīng)解決方案的常見陷阱。

訓(xùn)練和評(píng)估階段分為三章,分析了如何使用正則化、超參數(shù)調(diào)節(jié)等技術(shù)提高模型的精度。還講了關(guān)于處理分布偏移、模型校準(zhǔn)、a/b 測試等問題。最后兩章則討論了部署策略、模型服務(wù)和維護(hù)。

PDF:

https://drive.google.com/uc?export=download&id=1P0h-3e5Po-gIO-eb8dtYdyHkmzlDGLCS

深度學(xué)習(xí)理論

Ian Goodfellow, Yoshua Bengio, Aaron Courville:Deep Learning

最后,深度學(xué)習(xí)理論部分只有這一本書(花書)。

為什么?因?yàn)槿绻汩_始一頁一頁地閱讀這本書,你不太可能讀完。

這本書更像是一本手冊,可以對(duì)深度學(xué)習(xí)從數(shù)學(xué)的角度進(jìn)行更深入的理解,獲得更可靠的信息。

本書介紹了深度學(xué)習(xí)理論的廣泛主題,建立了堅(jiān)實(shí)的數(shù)學(xué)背景。書中涵蓋的數(shù)學(xué)領(lǐng)域包括線性代數(shù)、概率論、信息論和數(shù)值計(jì)算。

此外本書還展示了多樣化的深度學(xué)習(xí)技術(shù),如正則化、優(yōu)化算法、卷積網(wǎng)絡(luò)、序列建模。涉及到的應(yīng)用方向包括在線推薦系統(tǒng)、生物信息學(xué)和視頻游戲等。

最后,本書中還講了不少有見地的理論觀點(diǎn),如線性因子模型、自動(dòng)編碼器、表示學(xué)習(xí)、結(jié)構(gòu)化概率模型、蒙特卡羅方法、分區(qū)函數(shù)、近似推理和深度生成模型等。

PDF:

https://polarai.cn/265.html

參考資料:

https://theaisummer.com/deep-learning-books-2022/

以上就是【是女人一定要看!萬萬沒想到(2020年十大推薦的好書解讀)2020必看好書-2022新年薦書!最值得一讀的8部機(jī)器學(xué)習(xí)教程(PDF下載)】的全部內(nèi)容。

微信:N915888888
(歡迎您前來咨詢)

評(píng)論

留下您的評(píng)論

發(fā) 表
微信:N915888888

微信:N915888888
(歡迎您前來咨詢)

微信:N915888888
濮阳市| 富宁县| 上杭县| 甘肃省| 玉门市| 武宣县| 绥宁县| 睢宁县| 邯郸市| 当涂县| 射阳县| 民权县| 海兴县| 清徐县| 金湖县| 武夷山市| 临漳县| 平顺县| 石嘴山市| 新安县| 宁晋县| 磐石市| 昔阳县| 山阴县| 弥勒县| 清新县| 江陵县| 汕尾市| 宝丰县| 万载县| 云霄县| 开封市| 东山县| 和田市| 廊坊市| 晋州市| 宜昌市| 萨嘎县| 图木舒克市| 巨野县| 大余县|