Python机器学习实战：http://amzn.to/3MczBwk via @PacktDataML

GitHub: http://github.com/PacktPublishin…

518页！你将学到：

• 从数据准备到模型开发的机器学习最佳实践
• 使用卷积神经网络（CNN）和迁移学习构建并改进图像分类器
• 使用TensorFlow和PyTorch开发并微调神经网络
• 使用循环神经网络（RNN）、Transformer和CLIP分析序列数据并进行预测
• 使用支持向量机（SVM）构建分类器，并通过PCA提升性能
• 通过正则化、特征选择等方法避免过拟合

Python机器学习实战：用真实案例解锁机器学习最佳实践：Yuxi (Hayden) Liu：9781835085622：Amazon.com：图书

来源：https://www.amazon.com/gp/product/1835085628?&linkCode=sl1&tag=kirkdborne-20&linkId=be957288a36cd141cc10308185263a26&language=en_US&ref_=as_li_ss_tl
作者Yuxi (Hayden) Liu从基础讲起，涵盖构建NLP Transformer和多模态模型，并提供最佳实践技巧及使用PyTorch、TensorFlow、scikit-learn和pandas的真实案例。

购书即赠：PDF版本、AI助手及新一代阅读器免费使用

主要特色

• 新增NLP Transformer、PyTorch和计算机视觉建模等更新内容
• 包含专门的最佳实践章节，并在全书中提供额外的最佳实践技巧，助您优化ML方案
• 从零开始实现ML模型，如神经网络、线性回归和逻辑回归

图书简介

《Python机器学习实战》第四版是一本面向初学者和经验丰富的机器学习从业者的全面指南，帮助您学习更高级的技术，例如多模态建模。本书由经验丰富的机器学习作家、前谷歌机器学习工程师Yuxi (Hayden) Liu编写，本版重点强调最佳实践，为机器学习工程师、数据科学家和分析师提供了宝贵的见解。

探索高级技术，包括两个全新章节：基于BERT和GPT的自然语言处理Transformer，以及使用PyTorch和Hugging Face的多模态计算机视觉模型。您将通过实际案例学习关键建模技术，例如预测股票价格和创建图像搜索引擎。

这本动手实践的机器学习书籍将引导您应对复杂挑战，弥合理论理解与实践应用之间的差距。借助这本权威指南，提升您的机器学习和深度学习专业能力，攻克复杂问题，释放高级机器学习技术的潜力。

你将学到什么

• 在数据准备和模型开发过程中遵循机器学习最佳实践
• 使用卷积神经网络（CNN）和迁移学习构建并改进图像分类器
• 使用TensorFlow和PyTorch开发并微调神经网络
• 使用循环神经网络（RNN）、Transformer和CLIP分析序列数据并进行预测
• 使用支持向量机（SVM）构建分类器，并通过PCA提升性能
• 通过正则化、特征选择等方法避免过拟合

本书适合读者

这本扩展后的第四版非常适合具备Python编程知识的数据科学家、机器学习工程师、分析师和学生。书中的真实案例、最佳实践和代码为任何即将开展严肃机器学习项目的人做好了准备。

目录

1. 机器学习与Python入门
2. 构建电影推荐引擎
3. 使用基于树的算法预测在线广告点击率
4. 使用逻辑回归预测在线广告点击率
5. 使用回归算法预测股票价格
6. 使用人工神经网络预测股票价格
7. 使用文本分析技术挖掘20个新闻组数据集
8. 使用聚类和主题建模发现新闻组数据集的潜在主题
9. 使用支持向量机进行人脸识别
10. 机器学习最佳实践
11. 使用卷积神经网络对服装图像进行分类
12. 使用循环神经网络进行序列预测
13. 使用Transformer模型推进语言理解与生成
14. 使用多模态模型构建图像搜索引擎
15. 在复杂环境中使用强化学习进行决策