发帖
雷达卡
Python Machine Learning： Machine Learning and Deep Learning with Python, scikit.pdf
(26.11 MB, 需要: 5 个论坛币)
图书描述和最佳实践
Python机器学习，第三版是有关Python机器学习和深度学习的全面指南。它既是分步教程，又是构建机器学习系统时将不断参考的参考。
本书包含清晰的解释，可视化效果和工作示例，深入介绍了所有基本的机器学习技术。虽然有些书只教您遵循说明，但通过这本机器学习书，Raschka和Mirjalili讲授了机器学习的原理，使您可以自己构建模型和应用程序。
此新的第三版针对TensorFlow 2.0进行了更新，向读者介绍了其新的Keras API功能以及scikit-learn的最新功能。它还进行了扩展，以涵盖基于深度学习的尖端强化学习技术以及GAN的介绍。最后，这本书还探讨了自然语言处理（NLP）的子领域，即情感分析，可帮助您学习如何使用机器学习算法对文档进行分类。
本书是您使用Python进行机器学习的伴侣，无论您是机器学习的Python开发新手还是想加深对最新开发的了解。
您将学到的内容
掌握使机器能够从数据中“学习”的框架，模型和技术
将scikit-learn用于机器学习，将TensorFlow用于深度学习
将机器学习应用于图像分类，情感分析，智能Web应用程序，以及更多
建立和训练神经网络，GAN和其他模型
发现评估和调整模型的最佳实践
使用回归分析预测连续目标结果
使用情感分析更深入地研究文本和社交媒体数据
----------------------------------------------------------------------------------------
2、TensorFlow 2.0的新增功能：使用TensorFlow的新增功能和改进功能来增强机器学习和深度学习
What_is_New_in_TensorFlow_2.0.epub
(2.4 MB, 需要: 5 个论坛币)
掌握TensorFlow 2.0中的关键结构更改
TensorFlow是面向专家和初学者的端到端机器学习平台，其新版本TensorFlow 2.0（TF 2.0）提高了其简单性和易用性。本书将帮助您了解和利用最新的TensorFlow功能。
TensorFlow 2.0的新功能首先关注于高级概念，例如新的TensorFlow Keras API，渴望执行和高效的分发策略，这些策略可帮助您在多个GPU和TPU上运行机器学习模型。然后，本书将指导您完成构建数据提取和培训管道的过程，并提供建议和最佳实践，以将数据馈送到使用新的tf.keras API创建的模型中。在继续探索新发布的AIY（本质上是自己动手的AI）之前，您将探索使用TF Serving和其他多平台部署构建推理管道的过程。本书深入研究了核心API，可帮助您构建统一的卷积层和循环层，并使用TensorBoard通过假设分析来可视化深度学习模型。
到本书结尾，您将了解TF 2.0和TF 1.x之间的兼容性，并能够顺利迁移到TF 2.0。
您将学到：
知识在TF 2.0中实现tf.keras API来构建，训练和部署生产级模型
通过Keras集成构建模型并渴望执行
探索探索在GPU和TPU上运行模型的分发策略在多个平台上
使用TensorBoard执行假设分析各种模型
Discover Vision Kit，Voice Kit和Edge TPU用于模型部署
构建复杂的输入数据管道以吸收大型训练数据集
------------------------------------------------------------------------------
3、使用Scikit-Learn，Keras和TensorFlow进行动手机器学习 第二版
Hands-on_Machine_Learning_with.pdf
(47.23 MB, 需要: 5 个论坛币)
这本畅销书的更新版本使用了具体的示例，最少的理论以及两个可立即投入生产的Python框架（Scikit-Learn和TensorFlow 2），以帮助您直观地了解构建智能系统的概念和工具。从业人员将学习可以在工作中快速使用的各种技术。第1部分使用Scikit-Learn来介绍基本的机器学习任务，例如简单的线性回归。第2部分（已进行了重大更新）使用Keras和TensorFlow 2指导读者使用深度神经网络通过更高级的机器学习方法。每章都有练习来帮助您应用所学知识，因此您所需要的只是编程经验。
第二版的新功能：将所有代码更新为TensorFlow 2引入了高级Keras API新的和扩展的覆盖范围包括TensorFlow的Data API，Eager Execution，Estimators API，在Google Cloud ML上部署，处理时间序列，嵌入等
借助“早期发行”电子书，您可以获得最早形式的书（即作者撰写的原始内容和未经编辑的内容），因此，在正式发行这些书名之前，您就可以利用这些技术。进行重大更改，提供新章节并发布最终电子书包时，您还将收到更新。
年：2019
版本：第二版
----------------------------------------------------------------------------
4、为深度学习编程PyTorch：创建和部署深度学习应用程序
Programming PyTorch for Deep Le - Ian Pointer.pdf
(6.88 MB, 需要: 5 个论坛币)
Programming PyTorch for Deep Le - Ian Pointer.epub
(9.67 MB, 需要: 5 个论坛币)
展示了如何在基于云的环境中设置PyTorch，然后逐步引导您创建神经体系结构，以促进对图像，声音，文本等的操作，并深入研究每个元素。他还介绍了将转移学习应用于图像，调试模型和生产中的PyTorch 的关键概念。
了解如何将深度学习模型部署到生产中
探索来自多家领先公司的PyTorch用例
了解如何将转移学习应用于图像
使用在Wikipedia上训??练的模型应用最先进的NLP技术
使用PyTorch的torchaudio库通过基于卷积的模型对音频数据进行分类
使用TensorBoard和火焰图调试PyTorch模型
在Google云端上运行的Docker容器和Kubernetes集群中的生产环境中部署PyTorch应用程序
---------------------------------------------------------------------------------
5、使用PyTorch进行自然语言处理：使用深度学习构建智能语言应用程序
Natural Language Processing with PyTorch Build Intelligent Language Applications.pdf
(16.11 MB, 需要: 5 个论坛币)
Natural_Language_Proces.epub
(11.92 MB, 需要: 5 个论坛币)
本书旨在将新手带到自然语言处理（NLP）和深度学习领域，以涵盖两个领域的重要主题。这两个主题领域都呈指数增长。由于本书在介绍深度学习和NLP时都侧重于实现，因此它占据了重要的中间地带。在写这本书时，我们不得不在遗漏什么材料上做出困难的选择，有时甚至感到不舒服。对于初学者来说，我们希望这本书将为基础知识打下坚实的基础，并为您提供可能的一瞥。机器学习，尤其是深度学习，是一门与知识科学相反的经验学科。每章中大量的端到端代码示例邀请您参与该体验。
关于本书风格的注释。
我们在大多数地方有意避免使用数学，不是因为深度学习数学特别困难（并非如此），而是因为在许多情况下，它偏离了本书的主要目标，即赋予初学者以力量。
-------------------------------------------------------------
6、PyTorch食谱：一种解决问题的方法
PyTorch_Recipes-_A_Problem-Solu.pdf
(15.03 MB, 需要: 5 个论坛币)
使用问题解决方法来掌握Pytorch的深度学习概念。从介绍PyTorch开始，您将熟悉张量，张量是一种用于计算算术运算的数据结构，还可以了解它们的运行方式。然后，您将使用PyTorch了解概率分布，并熟悉其概念。此外，您将深入了解PyTorch的变换和图形计算。一路上，您将了解神经网络实现和张量微分面临的常见问题，并为它们找到最佳解决方案。
继续算法；您将了解PyTorch如何在有监督和无监督算法下工作。您将看到使用PyTorch进行卷积神经网络，深度神经网络和递归神经网络的工作方式。总之，您将熟悉使用PyTorch进行的自然语言处理和文本处理。
您将学到什么
使用PyTorch进行基于张量图的动态张量运算
创建PyTorch变换和神经网络图计算
使用PyTorch进行有监督和无监督学习
与CNN和RNN等深度学习算法配合使用
建立LSTM模型在PyTorch
使用PyTorch进行文本处理
-----------------------------------------------------------------------------
7、Keras的动手生成对抗网络：实施下一代生成对抗网络的指南
Packt.Hands-On.Generative.Adversarial.Networks.with.Keras.1789538203.epub
(29.14 MB, 需要: 5 个论坛币)
生成对抗网络（GANs）彻底改变了机器学习和深度学习领域。本书将是您了解GAN架构并应对培训中的挑战的第一步。
本书首先介绍了深度学习和生成模型及其在人工智能（AI）中的应用。然后，您将通过易于遵循的示例学习如何构建，评估和改进您的第一个GAN。接下来的几章将指导您训练GAN模型，以产生和改善高分辨率图像。您还将学习如何实现条件GAN，这使您能够控制GAN输出的特性。您将通过探索一种新的训练方法来逐步增加GAN的基础，从而进一步增加自己的知识。继续前进，您将深入了解使用GAN进行图像合成，语音增强和自然语言生成方面的最新模型。除此之外，您还可以使用TequilaGAN识别GAN样本。
到本书结束时，您将使用各种示例和数据集对GAN框架的最新发展有所了解，并且您将具备实现多个任务和领域的GAN体系结构所需的技能，包括自然的计算机视觉语言处理（NLP）和音频处理。
NVIDIA高级研究科学家王挺春的序言
您将学到什么
了解GAN的工作方式以及与之合作的优势和挑战
在条件GAN的帮助下，使用嵌入和空间操作来控制GAN的输出
将GAN应用于计算机视觉，NLP和音频处理
了解如何实现GAN的逐步增长
使用GAN进行图像合成和语音增强
探索视觉和声音艺术中GAN的未来
实现pix2pixHD将语义标签图转换为真实感图像
这本书是给谁的
本书适用于希望将理论和动手实践内容完美融合以使用Keras实施GAN的机器学习从业人员，深度学习研究人员和AI爱好者。希望能使用Python。
-------------------------------------------------------------
8、Pro Python 3：专业开发的功能和工具
Pro Python 3, 3rd Edition.epub
(3.65 MB, 需要: 5 个论坛币)
您将学习的内容
使用各种类型的Python函数实现程序
使用类和面向对象的编程
使用标准库和第三方库中的字符串 使用
Python收集网站数据
通过编写测试来自动化单元测试套件
审查成像，随机数生成和NumPy科学扩展
了解Python的Zen文档，以帮助您确定分发代码的最佳方式
----------------------------------------------------------------------
9、程序员的遗传算法和机器学习：创建AI模型和演化解决方案
Genetic_Algorithms_and_Machine.pdf
(14.36 MB, 需要: 5 个论坛币)
机器学习可以实现自动驾驶汽车，自然语言识别和在线推荐引擎。现在，您可以创建自己的遗传算法，自然灵感群，蒙特卡罗模拟，细胞自动机和群集。了解如何测试ML代码并深入研究更高级的主题。如果您是一名渴望了解机器学习的初级到中级程序员，那么本书适合您。
使用少数独立配方发现机器学习算法。构建一系列算法，发现一般适用的术语和方法。将智能融入您的算法，引导他们发现问题的良好解决方案。
在本书中，您将：
使用启发式和设计健身功能。
构建遗传算法。
用蚂蚁，蜜蜂和颗粒制造自然灵感的群。
创建蒙特卡罗模拟。
研究细胞自动机。
使用爬山和模拟退火找到最小值和最大值。
尝试选择方法，包括锦标赛和轮盘赌轮。
了解启发式，适应度函数，指标和集群。
测试您的代码并获得灵感来尝试新 问题。通过场景来编写纸袋编码方式; 任何有能力的程序员的重要技能。通过创建每个问题的可视化，了解算法如何探索和学习。获得灵感来设计自己的机器学习项目并熟悉行话。
你需要什么：
C ++（ = C ++ 11），Python（2.x或3.x）和JavaScript（使用HTML5画布）中的代码。还使用matplotlib和一些开源库，包括SFML，Catch和Cosmic-Ray。这些绘图和测试库不是必需的，但它们的使用将为您提供更全面的体验。只需一个文本编辑器和编译器解释器就可以选择您的语言，您仍然可以从一般算法描述中进行编码。
----------------------------------------------------------------------
10、使用Python进行动手GPU计算
Hands-On GPU Computing with Pyt - Avimanyu Bandyopadhyay.pdf
(18.14 MB, 需要: 5 个论坛币)
利用Python库和框架进行GPU加速
使用Anaconda在系统上设置支持GPU的可编程机器学习环境
带有示例的示例将您的机器学习系统部署在云容器上
探索PyCUDA和PyOpenCL，并将它们与CUDA，OpenCL和ROCm等平台进行比较。
使用GPU上的机器学习模型执行数据挖掘任务
在科学应用中扩展您对GPU计算的知识
------------------------------------------------------------------------------
11、使用Python进行数据分析和可视化：分析数据以为BI系统创建可视化
Data Analysis and Visualization - Ossama Embarak.pdf
(21.86 MB, 需要: 5 个论坛币)
Data Analysis and Visualization - Ossama Embarak.epub
(12.14 MB, 需要: 5 个论坛币)
你将学到什么：
使用Python编程技术进行数据科学
Python中的主数据集合
为BI系统创建引人入胜的可视化
部署有效的策略来收集和清理数据
集成Seaborn和Matplotlib绘图系统
--------------------------------------------------------------------------------
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
有时间再继续上传
京公网安备 11010802022788号
