Python深度学习应用 2025 chm pdf kindle rb azw3 下载 115盘

\\\"本书介绍Jupyter、数据清洗、 机器学习、网页爬虫、交互式可视化、神经网络、深度学习、模型构建、模型评估与优化、产品化处理等有关深度学习应用方面的内容。本书理论与实践并重、体系完整、内容新颖、条理清晰、组织合理、强调实践，包括使用scikitlearn、TensorFlow和Keras创建智能系统和机器学习解决方案，并将论述的重点放在实现和实践上，以便让读者 好地了解Python深度学习应用的实现细节。本书适合所有对Python深度学习感兴趣的人士阅读。\\\"

目录

第1章Jupyter基础 1

1.1基本功能与特征 2

1.1.1Jupyter Notebook是什么，为什么它如此有用 2

1.1.2Jupyter Notebook概览 4

1.1.3Jupyter特色 8

1.1.4Python库 14

1.2 个数据分析实例——基于波士顿住房数据集 17

1.2.1使用Pandas DataFrame载入数据集 17

1.2.2数据集 22

1.2.3基于Jupyter Notebook的预测分析简介 26

1.2.4实践: 构建一个基于三阶多项式的模型 30

1.2.5使用分类特征完成对数据集的分段分析 35

1.3本章小结 41第2章数据清洗和 机器学习 42

2.1准备训练预测模型 43

2.1.1确定预测分析计划 43

2.1.2机器学习的数据预处理 45

2.1.3实践: 准备训练“员工去留问题”的预测模型 55

2.2训练分类模型 64

2.2.1分类算法简介 64

2.2.2使用k折交叉验证和验证曲线评估模型 79

2.2.3降维技术 84

2.2.4训练员工去留问题的预测模型 85

2.3本章小结 93第3章网页信息采集和交互式可视化 94

3.1采集网页信息 95

3.1.1HTTP请求简介 95

3.1.2在Jupyter Notebook中实现HTTP请求 96

3.1.3在Jupyter Notebook中解析HTML 101

3.1.4实践: 在Jupyter Notebook中实现网页信息采集 107

3.2交互可视化 111

3.2.1构建DataFrame以存储和组织数据 111

3.2.2Bokeh简介 117

3.2.3实例: 使用交互式可视化探索数据 121

3.3本章小结 130第4章神经网络与深度学习概述 132

4.1什么是神经网络 132

4.1.1成功的应用案例 133

4.1.2为什么神经网络能够表现得如此出色 134

4.1.3深度学习的局限性 136

4.1.4神经网络的一般构成和操作 137

4.2配置深度学习环境 139

4.2.1用于深度学习的软件组件 139

4.2.2实例: 验证软件组件 141

4.2.3探索一个训练好的神经网络 143

4.2.4实例: 探索一个训练好的神经网络 148

4.3本章小结 150第5章模型体系结构 151

5.1选择合适的模型体系结构 151

5.1.1常见的体系结构 151

5.1.2数据标准化 156

5.1.3构建您的问题 157

5.1.4实例: 探索比特币数据集，为模型准备数据 159

5.2使用Keras作为TensorFlow接口 165

5.2.1模型组件 165

5.2.2实例: 使用Keras创建TensorFlow模型 167

5.2.3从数据准备到建模 168

5.2.4训练神经网络 169

5.2.5调整时间序列数据维度 169

5.2.6预测数据 172

5.2.7实例: 组建深度学 统 173

5.3本章小结 176第6章模型评估和优化 177

6.1模型评估 177

6.1.1问题类别 177

6.1.2损失函数、准确率和错误率 178

6.1.3使用TensorBoard进行可视化 180

6.1.4实现模型评估的测度 182

6.1.5实践: 创建一个训练环境 187

6.2超参数优化 192

6.2.1针对神经层和神经元——添加 多的神经层 192

6.2.2迭代步数 194

6.2.3激活函数 195

6.2.4激活函数的实现 197

6.2.5正则化策略 198

6.2.6结果优化 199

6.2.7实践: 优化神经网络模型 200

6.3本章小结 202第7章产品化 203

7.1处理新数据 203

7.1.1分离数据和模型 203

7.1.2处理新数据 205

7.1.3实例: 处理新数据 208

7.2将模型部署为Web应用程序 210

7.2.1应用架构和技术 210

7.2.2部署和使用cryptonic 211

7.2.3实例: 部署深度学习应用程序 214

7.3本章小结 216

高凯 汉族，教授，博士毕业于上海交通大学计算机应用技术专业，河北省省级重点学科“计算机软件与理论”中“信息检索与云计算”方向学术带头人，研究生导师，中国计算机学会 会员，中国计算机学会CCF计算机应用专委 ，中国计算机学会CCF中文信息技术专委委员，河北省科技咨询业协会第六届理事会常务理事，英国学术期刊International Journal of Computer Applications in Technology副主编， 学术会议International Conference on Modelling, Identification and Control程序委员会委员；主要研究方向为人工智能、大数据搜索与挖掘、网络信息检索、自然语言处理、社会计算等；多年主讲研究生课程《人工智能》、本科生课程《数据库原理与应用》，系河北科技大学教学名师；近年出版了《信息检索与智能处理》、《大数据搜索与挖掘》、《网络信息检索技术及搜索引擎系统开发》、《大数据搜索与挖掘及可视化管理方案》等学术专著；在电子工业出版社、清华大学出版社、国防工业出版社等出版了高等学校计算机规划教材《数据库原理与应用》、高等院校信息技

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：Python深度学习应用在线阅读

在线听书地址：Python深度学习应用在线收听

在线购买地址：Python深度学习应用在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

本书介绍Jupyter、数据清洗、高级机器学习、网页爬虫、交互式可视化、神经网络、深度学习、模型构建、模型评估与优化、产品化处理等有关深度学习应用方面的内容。本书理论与实践并重、体系完整、内容新颖、条理清晰、组织合理、强调实践，包括使用scikitlearn、TensorFlow和Keras创建智能系统和机器学习解决方案，并将论述的重点放在实现和实践上，以便让读者更好地了解Python深度学习应用的实现细节。

本书适合所有对Python深度学习感兴趣的人士阅读。