从机器学习到深度学习：基于scikit-learn与tensorflow的高效开发实战《从机器学习到深度学习》代码
资源详情资源名称：从机器学习到深度学习：基于scikit-learn与tensorflow的高效开发实战这是一本场景式的机器学习实践书.笔者努力做到“授人以渔.而非授人以鱼”。理论方面从人工智能（ai）与机器学习（ml）的基本要素讲起.逐步展开有监督学习、无监督学习、强化学习这三大类模型的应用场景与算法原理；实践方面通过金融预测、医疗诊断概率模型、月球登陆器、图像识别、写诗机器人、中国象棋博弈等案例启发读者将机器学习应用在各行各业里.其中后三个案例使用了深度学习技术。本书试图用通俗的语言讲解涵盖算法模型的机器学习.主要内容包括机器学习通用概念、三个基本科学计算工具、有监督学习、聚类模型、降维模型、隐马尔可夫模型、贝叶斯网络、自然语言处理、深度学习、强化学习、模型迁移等。在深入浅出地解析模型与算法之后.介绍使用python相关工具进行开发的方法、解析经典案例.使读者做到“能理解、能设计、能编码、能调试”.没有任何专业基础的读者在学习本书后也能够上手设计与开发机器学习产品。本书内容深入浅出、实例典型.适合对机器学习感兴趣的产品设计、技术管理、数据分析、软件开发或学生读者。阅读本书既能了解当前工业界的主流机器学习与深度学习开发工具的使用方法.又能从战略方面掌握如何将人工智能技术应用到自己的企业与产品中目录第1章 机器学习基础 1第2章 python基础工具 27第3章 有监督学习：分类与回归 79第4章 无监督学习：聚类 136第5章 无监督学习：数据降维 173第6章 隐马尔可夫模型 212第7章 贝叶斯网络 251第8章 自然语言处理 284第9章 深度学习 319第10章 强化学习 418第11章 模型迁移 478
