Sklearn 与 TensorFlow 机器学习实用指南

第一部分 机器学习基础

• 一、机器学习概览

• 二、一个完整的机器学习项目

• 三、分类

• 四、训练模型

• 五、支持向量机

• 六、决策树

• 七、集成学习和随机森林

• 八、降维

第二部分 神经网络与深度学习

• 九、启动并运行 TensorFlow

• 十、人工神经网络介绍

• 十一、训练深层神经网络

• 十二、设备和服务器上的分布式 TensorFlow

• 十三、卷积神经网络

• 十四、循环神经网络

• 十五、自编码器

• 十六、强化学习

完整版pdf 和代码下载地址：

关注微信公众号 datayx  然后回复 实用指南  即可获取

通过具体的例子、很少的理论以及两款成熟的Python框架：Scikit-Learn和TensorFlow，作者会帮助你掌握构建智能系统所需要的概念和工具。你将会学习到各种技术，从简单的线性回归及发展到深度神经网络。每章的练习有助于你运用所学到的知识，你只需要有一些编程经验就行了。

探索机器学习，尤其是神经网络

使用Scikit-Learn全程跟踪一个机器学习项目的例子

探索各种训练模型，包括：支持向量机、决策树、随机森林以及集成方法

使用TensorFlow库构建和训练神经网络

深入神经网络架构，包括卷积神经网络、循环神经网络和深度强化学习

学习可用于训练和缩放深度神经网络的技术

运用实际的代码示例，无需了解过多的机器学习理论或算法细节