已收藏
图书详情
编辑推荐:
这本书和市面上的大多数机器学习书不一样。（1）它们从数学角度切；本书从代码角度切，不存在天书符号。（2）它们先堆各种新鲜概念；本书通过代码展示问题，再引出知识。（3）它们重在抽象理论；本书让初学者即刻体验和实践算法，为应用下基础。另外，作者资深且用心写作，在书中介绍AI概念、动手写代码及测试代码时下了一番苦功。（1）作者在美国微软、BCG、Uber、腾讯等工作多年，经验老道，深深理解程序员学习机器学习的痛。（2）在阐述算法的背景和内容时既有深度又直观形象。（3）对数学公式的引用对于有程序员背景的读者来说恰到好处。（4）在实际代码的解释上紧扣主题、讲解清晰。（5）内容通俗易懂，覆盖了AI在多个领域的应用场景。 内容简介:
随着AI技术的普及，如何快速理解、掌握并应用AI技术，成为绝大多数程序员亟需解决的问题。本书基于Keras框架并以代码实现为核心，详细解答程序员学习AI算法时的常见问题，对机器学习、深度神经网络等概念在实际项目中的应用建立清晰的逻辑体系。本书分为上下两篇，上篇（第1～4章）可帮助读者理解并独立发较简单的机器学习应用，下篇（第5～9章）则聚焦于AI技术的三大热领域：推荐系统、自然语言处理（NLP）及图像处理。其中，第1章通过具体实例对Keras的机器学习实现行快速介绍并给出整体概念；第2章从简单的神经元始，以实际问题和代码实现为引导，逐步过渡到多层神经网络的具体实现上，从代码层面讲解神经网络的工作模式；第3章讲解Keras的核心概念和使用方法，帮助读者快速门Keras；第4章讲解机器学习中的常见概念、定义及算法；第5章介绍推荐系统的常见方案，包括协同过滤的不同实现及Wide＆Deep模型等；第6章讲解循环神经网络（RNN）的原理及Seq2Seq、Attention等技术在自然语言处理中的应用；第7～8章针对图像处理的分类及目标识别行深度讨论，从代码层面分析Faster RCNN及YOLO v3这两种典型识别算法；第9章针对AI模型的工程部署问题，引TensorFlow Serving并行介绍。本书主要面向希望学习AI发或者转型算法的程序员，也可以作为Keras教材，帮助读者学习Keras在不同领域的具体应用。 作者简介:
张力柯腾讯某AI实验室负责人、AI系统设计专家。在操作系统内核、网络安全、搜索引擎、推荐系统、大规模分布式系统、图像处理、数据分析等领域具有丰富的实践经验。于美国德克萨斯大学圣安东尼奥分校获得计算机科学博士学位，曾先后在美国微软、BCG、Uber及硅谷其他创业公司担任研发工程师及项目负责人等。 潘 晖阿里巴巴某算法中心小组负责人。在推荐系统、自然语言处理、图像处理、数据分析等领域具有丰富的实践经验。于美国佛罗里达理工大学获得计算机科学博士学位，曾先后在中国微软、美团、腾讯从事算法研发和管理工作。发表过多篇论文，拥有多项专利，曾获得2018年腾讯互动娱乐事业群技术突破奖等奖项。 
