简介
图片.png
通过使用scikit-learn，TensorFlow和Keras等库来应对日常问题，发现基于项目的方法来掌握机器学习概念
主要特点
•掌握Python的机器学习库，包括scikit-learn，TensorFlow和Keras
•在实际项目中实施高级概念和流行的机器学习算法
•构建分析，计算机视觉和神经网络项目
图书说明
机器学习正在改变我们理解和与周围世界互动的方式。本书是您将知识和技能付诸实践并使用Python生态系统涵盖机器学习关键领域的完美指南。第二版涵盖了Python生态系统中的一系列库，包括TensorFlow和Keras，可帮助您实现真实的机器学习项目。
本书首先概述了使用Python进行机器学习。借助复杂的数据集和优化的技术，您将继续了解如何将高级概念和流行的机器学习算法应用于实际项目。接下来，您将涵盖来自预测分析等领域的项目，以分析股票市场和GitHub存储库的推荐系统。除此之外，您还将使用NLP域中的项目来使用scikit-learn，TensorFlow和Keras等框架创建自定义新闻源。接下来，您将学习如何构建高级聊天机器人，并使用PySpark进行扩展。在最后的章节中，您可以期待深入学习的激动人心的见解，您甚至可以使用计算机视觉和神经网络创建应用程序。
在本书的最后，您将能够无缝地分析数据并通过您的项目产生强大的影响。
参考资料
- 英文第2版下载：https://itbooks.pipipan.com/fs/18113597-362747082
- 讨论qq群144081101 591302926 567351477
- python测试开发项目实战-目录
- 本文涉及的python测试开发库 谢谢点赞！
- 本文相关海量书籍下载
- 2018最佳人工智能机器学习工具书及下载(持续更新)
- Format Pdf
- Page Count 549 Pages
- https://github.com/PacktPublishing/Python-Machine-Learning-Blueprints-Second-Edition
2019-04 3+星
内容
- 了解Python数据科学堆栈和常用算法
- 建立一个模型，以预测初始公开发行（IPO）在初始离散交易窗口中的表现
- 通过创建自定义新闻源来了解NLP概念
- 根据您已加星标，观看或分叉的应用程序创建将推荐GitHub存储库的应用程序
- 获得使用PySpark从头开始构建聊天机器人的技能
- 使用库存数据开发市场预测应用程序
- 深入研究计算机视觉，神经网络和深度学习等高级概念
针对读者
本书适用于机器学习从业者，数据科学家和深度学习爱好者，他们希望通过构建真实世界的项目将他们的机器学习技能提升到新的水平。中级指南将帮助您实现Python生态系统中的库，以构建针对各种机器学习领域的各种项目。了解Python编程和机器学习概念将会有所帮助。
