本书主要介绍了Google云平台中有关机器学习的多种工具,以及如何使用它们来进行机器学习。这些工具对使用者在机器学习理论方面的要求很低,读者可以在仅了解一点有关机器学习基础知识的前提下使用它们。
本书在使用每种机器学习的工具或技术之前,都会对相应的理论进行较为详实的介绍。但也同时考虑了机器学习理论的复杂性,在对理论知识的介绍中避免了复杂的数学公式,取而代之的是生动浅显的例子。其中很多示例是使用Python代码在Google云平台上实现的。
本书适合刚开始接触机器学习的读者阅读。
译者序
原书前言
人工智能、机器学习和深度学习
第1部分 GCP与机器学习1
第1章 尝试使用GCP2
1.1GCP 概述3
1.2创建账户和项目5
1.3Cloud Shell9
1.4Google Compute Engine13
1.5Google Cloud Storage18
1.6BigQuery26
第2章使用Datalab32
2.1Datalab快速浏览33
2.2NumPy和pandas42
2.3链接Datalab和BigQuery53
2.4用Datalab绘制各种图形59
第3章使用 GCP 轻松进行机器学习67
3.1GCP的机器学习相关服务68
3.2Cloud Vision API73
3.3Cloud Translation API86
3.4Cloud Natural Language API90
第2部分 识别的基础95
第4章二类识别96
4.1简单识别97
4.2机器学习的引入106
4.3感知器116
4.4损失函数125
4.5逻辑回归128
第5章多类分类器和各种分类器138
5.1scikit-learn快速导览139
5.2多类逻辑回归141
5.3支持向量机151
5.4随机森林162
第6章数据评估方法和调整170
6.1基本的学习流程171
6.2学习和测试173
6.3数据评估182
6.4参数调整188
第3部分 深度学习入门194
第7章深度学习基础知识196
7.1图像识别197
7.2神经网络201
7.3激活函数211
7.4多类支持216
7.5各种梯度下降法222
7.6TensorFlow的准备230
7.7神经网络的实现238
7.8使用DNNClassifier简化学习244
7.9TensorBoard246
第8章CNN256
8.1前面图像识别中的问题257
8.2卷积层265
8.3卷积层运算的种类和池化层272
8.4使用TensorFlow实施两层CNN280
附录288
附录A Python2的基本使用方法
附录B Jupyter的设置