【下载】Python迁移学习实战书籍和代码《Hands-On Transfer Learning with Python》

【导读】英特尔数据科学家Dipanjan Sarkar等人最新撰写的Python迁移学习实战书籍《Hands-On Transfer Learning with Python》介绍使用Tensorflow和Keras实现基于前沿的深度学习模型和迁移学习示例。这本书,旨在帮助实践者储备在各自领域中使用这些技术的能力。本书大致分为三个部分:深度学习基础、迁移学习要点和迁移学习案例研究, 本书从ML和深度学习的核心基本概念开始,然后介绍了迁移学习的概念和预训练的一些网络模型,如VGG、Inception和ResNet。本书还介绍了如何提高深度学习模型的性能。最后,本书将重点讨论计算机视觉、音频分析和自然语言处理(NLP)等领域的大量实际案例研究和问题。随书同时提供代码,可以让你动手测试改进。

书籍pdf没有放出来,其代码在GitHub上已经open,包含本书中使用的所有代码、笔记和示例。

▌图书介绍

迁移学习是一种机器学习(ML)技术,其中在训练一组ML问题期间获得的知识可用于训练其他相似类型的问题。本书的目的是双重的。其一是专注于深度学习和迁移学习的详细介绍,将两者使用易于理解的概念和示例进行比较和对比。其二是关注一些实际问题的研究,并使用tensorflow,keras和Python等来实现。

本书从ML和深度学习的核心基本概念开始,接着介绍了一些重要的深度学习框架,如CNNs、DNNs、RNNs、LSTMs和胶囊网络。然后本书的重点转移到迁移学习的概念和预训练的一些网络模型,如VGG、Inception和ResNet。本书还介绍了如何提高深度学习模型的性能。最后,本书将重点讨论计算机视觉、音频分析和自然语言处理(NLP)等领域的大量实际案例研究和问题。

主要特点:

  • 用Python中的迁移学习原则构建深度学习模型
  • 实现迁移学习用以解决现实世界的一些问题
  • 执行一些复杂的操作,如图像字幕的风格转移

你将会学到:

  • 使用图形处理单元(GPU)和cloud建立你自己的深度学习环境
  • 用ML和DL模型研究迁移学习原理
  • 探索各种DL架构,包括CNN、LSTM和胶囊网络
  • 了解数据和网络表示及损失函数
  • 掌握迁移学习的模式和策略
  • 从头开始构建复杂的迁移学习模型,克服潜在的挑战
  • 探索与计算机视觉和音频分析有关的现实研究问题
  • 了解在NLP中如何利用迁移学习

关于读者

“Python迁移学习实战”是为对数据感兴趣的数据科学家、ML工程师、分析师和开发人员提供的,他们可以使用最前沿的迁移学习方法来解决现实世界中的难题。精通ML和Python是必须的。

关于作者

Dipanjan(DJ)Sarkar是英特尔的数据科学家,他利用数据科学,机器学习和深度学习来构建大规模智能系统。他拥有数据科学和软件工程专业的技术硕士学位。他多年来一直从事分析工作,专攻机器学习、NLP、统计方法和深度学习。他对教育充满热情,在Springboard等各种组织中担任数据科学导师,帮助人们学习数据科学。他还是 “Towards Data Science”的主要撰稿人和编辑,这是一本关于人工智能和数据科学的领先在线期刊。他还撰写了几本关于R,Python,机器学习,NLP和深度学习的书籍。

Raghav Bali是Optum(联合健康集团)的数据科学家。他的工作涉及研究和开发基于机器学习,深度学习和自然语言处理的医疗保险和保险相关用例的企业级解决方案。在他之前在英特尔工作期间,他参与了主动数据驱动的IT计划。他还在ERP和金融领域与世界上一些主要组织合作。 Raghav还与几家知名出版商合作出版了多本书。Raghav拥有班加罗尔国际信息技术学院信息技术硕士学位(金牌得主)。

Tamoghna Ghosh是英特尔公司的一名机器学习工程师。他有11年的工作经验,包括在微软印度研究院(MSR) 4年的核心研究经验。在MSR,他做过分组密码密码分析的研究助理。他的技术专长是大数据、机器学习、NLP、信息检索、数据可视化和软件开发。他获得了印度统计研究所,加尔各答的M.Tech(计算机科学)学位和加尔各答大学的数学硕士学位,专攻功能分析和数学建模/动力系统。他对教学充满热情,并为英特尔公司进行不同层次的数据科学内部培训。

参考:

https://www.packtpub.com/big-data-and-business-intelligence/hands-transfer-learning-python

https://github.com/dipanjanS/hands-on-transfer-learning-with-python

▌详细目录

原文发布于微信公众号 - 专知(Quan_Zhuanzhi)

原文发表时间:2018-10-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据科学与人工智能

机器学习与大数据风控

一个普遍的看法是,机器学习等人工智能技术会最先在金融领域落地。金融行业是最早实现信息化的行业,有丰富的数据积累,且对于用技术提升效率有更多的需求。 现在也有越来...

4508
来自专栏iOSDevLog

人工智能-应用场景

2206
来自专栏机器人网

苹果也坐不住了!首次公开其 AI 报告

苹果公司近日终于不再遮遮掩掩,发布了自己的首份人工智能研究报告。业内人士称,这对苹果将来推广自己的人工智能应用大有裨益。苹果本月初曾表示,将发布自己的人工智能研...

2797
来自专栏Java进阶架构师

给初学者的深度学习入门指南

这个阶段有吴恩达、李飞飞、GeoffreyHinton、Ian Goodfellow等传奇人物的卓越贡献

2635
来自专栏AI科技评论

学界 | 照片欲静而 AI 不止,MIT 黑科技让图像秒变小视频

你有想过吗?给你展示任何一张照片的时候,你看到的也许不仅仅是静止的图像,而是一段灵动的“小视频”。如今,在机器学习的帮助下,可以根据静止的照片,预测到接下来的一...

3437
来自专栏AI科技大本营的专栏

Yann LeCun:距离“真正的” AI,我们还缺什么?

【AI科技大本营导读】今天是 GMIC Beijing 2018 大会第一天,首个演讲者是 Facebook 首席 AI 科学家 Yann LeCun。他讲述...

1252
来自专栏人工智能头条

微软亚洲研究院:计算机看懂视频的步骤及未来努力方向

1382
来自专栏ATYUN订阅号

18岁天才准博士用经典算法推翻量子加速

来自德克萨斯州的一名青少年将量子计算降低了一个档次。在网上发表的一篇论文中,18岁的Ewin Tang证明普通计算机可以解决一个重要的计算问题,其性能可能与量子...

1432
来自专栏灯塔大数据

初识机器学习和人工智能

近日,英国皇家学会(Royal Society)发布了一份题为《机器学习:能通过样本进行学习的计算机的力量与希望(Machinelearning: the p...

3558
来自专栏ATYUN订阅号

赫尔辛基大学AI基础教程:人工智能的相关领域(1.2节)

除了人工智能本身外,还有其他几个与之密切相关的领域,包括机器学习,数据科学和深度学习。

1253

扫码关注云+社区