TensorFlow 机器学习秘籍中文第二版（初稿）

• TensorFlow 入门
  • 介绍
  • TensorFlow 如何工作
  • 声明变量和张量
  • 使用占位符和变量
  • 使用矩阵
  • 声明操作符
  • 实现激活函数
  • 使用数据源
  • 其他资源
• TensorFlow 的方式
  • 介绍
  • 计算图中的操作
  • 对嵌套操作分层
  • 使用多个层
  • 实现损失函数
  • 实现反向传播
  • 使用批量和随机训练
  • 把所有东西结合在一起
  • 评估模型
• 线性回归
  • 介绍
  • 使用矩阵逆方法
  • 实现分解方法
  • 学习 TensorFlow 线性回归方法
  • 理解线性回归中的损失函数
  • 实现 deming 回归
  • 实现套索和岭回归
  • 实现弹性网络回归
  • 实现逻辑回归
• 支持向量机
  • 介绍
  • 使用线性 SVM
  • 简化为线性回归
  • 在 TensorFlow 中使用内核
  • 实现非线性 SVM
  • 实现多类 SVM
• 最近邻方法
  • 介绍
  • 使用最近邻
  • 使用基于文本的距离
  • 使用混合距离函数的计算
  • 使用地址匹配的示例
  • 使用最近邻进行图像识别
• 神经网络
  • 介绍
  • 实现操作门
  • 使用门和激活函数
  • 实现单层神经网络
  • 实现不同的层
  • 使用多层神经网络
  • 改进线性模型的预测
  • 学习玩井字棋
• 自然语言处理
  • 介绍
  • 使用词袋嵌入
  • 实现 TF-IDF
  • 使用 Skip-Gram 嵌入
  • 使用 CBOW 嵌入
  • 使用 word2vec 进行预测
  • 使用 doc2vec 进行情绪分析
• 卷积神经网络
  • 介绍
  • 实现简单的 CNN
  • 实现先进的 CNN
  • 重新训练现有的 CNN 模型
  • 应用 StyleNet 和 NeuralStyle 项目
  • 实现 DeepDream
• 循环神经网络
  • 介绍
  • 为垃圾邮件预测实现 RNN
  • 实现 LSTM 模型
  • 堆叠多个 LSTM 层
  • 创建序列到序列模型
  • 训练 Siamese RNN 相似性度量
• 将 TensorFlow 投入生产
  • 介绍
  • 实现单元测试
  • 使用多个执行程序
  • 并行化 TensorFlow
  • 将 TensorFlow 投入生产
  • 生产环境 TensorFlow 的一个例子
  • 使用 TensorFlow 服务
• 更多 TensorFlow
  • 介绍
  • 可视化 TensorBoard 中的图
  • 使用遗传算法
  • 使用 k 均值聚类
  • 求解常微分方程组
  • 使用随机森林
  • 使用 TensorFlow 和 Keras