Go Language Machine Learning Real Combat [Австралия] Чжоу Сюаньи и Тан Лиан Сяофенг и другие перевода нейронная сеть сверточной сети.
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
«Go Language Machine Learning Combat» в основном представляет, как развертывать программы на языке GO для достижения алгоритмов машинного обучения.Основное содержание включает в себя: использование библиотек и функций на языке GO для настройки среды машинного обучения, восстановить анализ наборов данных о ценах дома в реальной жизни, создайте классификационную модель на языке GO, чтобы различить писем спама и организовать отдельный Twitter через кластер Категории.Кроме того, эта книга также вводит почерк с нейронными сетями и сверточными нейронными сетями, а также в качестве примера для выбора алгоритмов машинного обучения, подходящих для конкретных проектов.
Справочник по переводчику оригинальной книги D1 Как решить все проблемы в машинном обучении // 1 1.1 Что такое вопрос // 1 1.2 Что такое алгоритм // 2 1.3 Что такое машинное обучение? 1.6 Что такое модель // 5 1.6.1 Что такое хорошая модель // 6 1.7 Основное содержание и расположение главы этой книги // 6 1.8 Почему выберите язык GO // 7 1.9 быстро запуск // 7
Каталог
Переводчик
Предисловие
Глава Как решить все проблемы в машинном обучении // 1
1.1 Что такое вопрос // 1
1.2 Что такое алгоритм // 2
1.3 Что такое машинное обучение // 3
1.4 Вам нужно машинное обучение // 3
1.5 Общий процесс решения проблем // 4
1.6 Что такое модель // 5
1.6.1 Что такое хорошая модель // 6
1.7 Основное содержание и расположение главы этой книги // 6
1.8 Почему выбирайте язык // 7
1.9 Quick Start // 7
1.10 Функция // 7
1.11 переменная // 8
1.11.1 Значение // 9
1.11.2 Тип // 9
1.11.3 Метод // 11
1.11.4 Интерфейс // 11
1.11.5 Пакет и введение // 12
1.12 Start // 13
Глава D2 Линейный возврат———Прогноз цен на жилье // 14
2.1 Фон проекта // 15
2.2 Исследовательский анализ данных // 15
2.2.1 Потребление данных и индекс // 16
2.2.2 Работа по очистке данных // 18
2.2.3 Дальнейшая разведка // 25
2.2.4 Стандартизация // 33
2.3 Линейная регрессия // 34
2.3.1 return // 35
2.3.2 ПРОВЕРКА CROSS // 37
2.4 Обсуждение и следующая работа // 39
2.5 Сводка // 40
D3 Классификация главы———Spam Test // 41
3.1 Фон проекта // 41
3.2 Исследовательский анализ данных // 42
3.2.1 Марк данных // 42
3.2.2 Стандартизированная и извлечение STEMD // 45
3.2.3 Отключить слова // 45
3.2.4 Потребление данных // 46
3.3 Классификатор // 47
3.4 Простые Байеса // 48
3.4.1 TF-IDF // 48
3.4.2 Вероятность состояния // 49
3.4.3 Функции // 51
3.4.4 Байесовская теорема // 51
3.5 Реализация классификатора // 52
3.5.1 Категория // 53
3.5.2 Классификатор D II // 54
3.6 Интеграция программы // 58
3.7 Резюме // 61
Глава D4 Используйте анализ временных последовательности и декомпозиции тенденции, управляемых углеродом // 62
4.1 Анализ данных Explorest // 62
4.1.1 Скачать из не -HTTP Data Source // 63
4.1.2 Обработка данных без стандартов // 63
4.1.3 Лечение десятичного децимального типа // 64
4.1.4 Рисунок // 65
4.2 разложение // 68
4.2.1 STL // 69
4.2.2 больше контента рисования // 81
4.3 Прогноз // 86
4.4 Резюме // 89
Ссылки // 89
ГЛАВА D5 ВРЕМЕНИ ВРЕМЕНИ ПЕРСОНАЛЬНОЙ КАКТЕРСКИЙ КЛАССИКА // 90
5.1 Проект Фон // 90
5,2 K Среднее значение // 90
5.3 DBSCAN // 92
5.4 Сбор данных // 92
5.5 Анализ данных Explorest // 92
5.6 Информация о данных // 96
5.6.1 Процессор // 97
5.6.2 Word Pre -Processing // 99
5.6.3 Одиночное лечение в Твиттере // 103
5.7 Cluster // 103
5,7,1 K Средняя поликация // 104
5.7.2 DBSCAN Cluster // 105
5.7.3 DMMClust Cluster // 107
5.8 Фактические данные // 108
5.9 Программа // 111
5.10 Корректировка программы // 113
5.10.1 Регулировка расстояния // 114
5.10.2 Предварительная регулировка стадии обработки // 115
5.11 Резюме // 117
D6 Нейронная сеть———MNIST РАЗРЕЖНЫЙ Идентификация // 118
6.1 Нейронная сеть // 118
6.1.1 Моделирование нейронной сети // 119
6.2 Линейная алгебра 101 // 121
6.2.1 Обсуждение функции активации // 123
6.3 Функция обучения // 125
6.4 Проект Фон // 126
6.4.1 Gorgonia // 126
6.4.2 Получение данных // 126
6.4.3 Какое количество тензора // 129
6.4.4 Стройте нейронную сеть // 138
6.4.5 Fedback // 139
6.4.6 Используйте тип возможно для обработки ошибок // 140
6.4.7 Описание иностранной функции // 142
6.4.8 Стоимость // 143
6.4.9 обратная связь // 143
6.5 Обучение нейронной сети // 146
6.6 Перекрестная проверка // 148
6.7 Резюме // 150
D7 Глава сверточной нейронной сети———MNIST РАЗРЕЖНЫЙ Идентификация // 151
7.1 Все в нейронах неверно // 151
7.2 Обзор нейронной сети // 151
7.2.1 Gorgonia // 152
7.2.2 Стройте нейронную сеть // 161
7.3 Проект // 164
7.3.1 Получение данных // 164
7.3.2 Другое содержание предыдущей главы // 166
7.4 Введение в CNN // 168
7.4.1 Что такое свертка // 168
7.4.2 Z DA Pondization // 176
7.4.3 Выход // 176
7.5 Стройте CNN // 176
7.5.1 Обратная связь // 180
7.6 Запустить нейронную сеть // 182
7.7 Тест // 186
7.7.1 Уровень точности // 188
7.8 Сводка // 189
D8 Basic Face Test // 190
8.1 Что такое лицо человеческого лица // 190
8.1.1 Viola-Jones // 191
8.2 PICO // 194
8.2.1 Меры предосторожности для обучения // 194
8.3 GoCV // 195
8.3.1 API // 195
8.4 PIGO // 195
8.5 Процедура тестирования лица // 196
8.5.1 Получить изображение от сетевой камеры // 196
8.5.2 Дисплей изображения // 197
8.5.3 Граффити на изображении // 198
8.5.4 Тест лица 1 // 198
8.5.5 Тест на лицо 2 // 200
8.5.6 Алгоритм Связывание // 205
8.6 Оценка алгоритма // 206
8.7 Свод // 208
D9 хот -дог или не хот -дог———Используйте внешние службы // 209
9.1 MachineBox // 209
9.2 Что такое Machinebox // 210
9.2.1 Вход и регистрация // 210
9.2.2 Установка и настройки Docker // 211
9.2.3 Используйте Machinebox // 211 на языке GO
9.3 Проект // 212
Вы узнаете следующее через эту книгу:
Используйте библиотеку GO, чтобы установить среду машинного обучения
Используйте Gonum для выполнения регрессии и классификации
Используйте библиотеку GO, чтобы исследовать модель временных рядов и разложить тренд
Очистите свою временную шкалу в Твиттере, собрав твиты
Научитесь использовать внешние услуги для удовлетворения ваших потребностей в машинном обучении
Используйте нейронную сеть и CNN и Gorgonia для идентификации почерка
Используйте GOCV и OpenCV для достижения распознавания лица