Spark 深度學(xué)習(xí)指南

定　價：￥109.00

作　者：	（美）Ahmed Sherif,Amrith Ravindra
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥109.00)

ISBN：	9787121378829	出版時間：	2019-12-01	包裝：
開本：	16開	頁數(shù)：	372	字數(shù)：

內(nèi)容簡介

　　本書開頭部分講了如何按照深度學(xué)習(xí)的需求來配置Apache Spark，以實現(xiàn)不同類型的神經(jīng)網(wǎng)絡(luò)，接下來講述了在分布式環(huán)境中實現(xiàn)深度學(xué)習(xí)涉及的常見和不那么常見的需求。另外，你還將學(xué)到Spark中的深度學(xué)習(xí)代碼，這些代碼可以復(fù)用到其他類似的問題中，或者稍作改動用于略有不同的問題。將帶你一起用Spark對數(shù)據(jù)進行分流和聚類用TensorFlow、deeplearning4j和 Caffe在Spark中實現(xiàn)和部署深度學(xué)習(xí)模型，例如CNN、RNN和 LSTM。學(xué)完本書的內(nèi)容，你將能夠在Spark上訓(xùn)練和部署有效的深度學(xué)習(xí)模型。

作者簡介

　　Ahmed Sherif是一名數(shù)據(jù)科學(xué)家，自2005年以來一直從事各種角色的數(shù)據(jù)研究。他從2013年開始使用BI解決方案并慢慢轉(zhuǎn)向數(shù)據(jù)科學(xué)。2016年，他從西北大學(xué)獲得了預(yù)測分析碩士學(xué)位，在那里他研究深度學(xué)習(xí)的科學(xué)與應(yīng)用和同時使用Python和R語言的預(yù)測建模。*近，他一直在使用Azure在云端開發(fā)機器學(xué)習(xí)和深度學(xué)習(xí)解決方案。2016年，他出版了他的第一本書《實用商業(yè)智能》。他目前是微軟的數(shù)據(jù)和人工智能技術(shù)解決方案專業(yè)人員。Amrith Ravindra博士是一位機器學(xué)習(xí)愛好者，擁有電氣與工業(yè)工程學(xué)位。在攻讀碩士學(xué)位的過程中，他更深入地研究機器學(xué)習(xí)世界，并培養(yǎng)了對數(shù)據(jù)科學(xué)的熱愛。工程專業(yè)的研究生課程給他提供了數(shù)學(xué)背景，使他進入深度學(xué)習(xí)的職業(yè)生涯。他在坦帕市舉行的當?shù)財?shù)據(jù)科學(xué)聚會上會見了Ahmed Sherif。他們決定合作寫一本關(guān)于他們*喜歡的機器學(xué)習(xí)算法的書。他希望這本書能夠幫助他實現(xiàn)成為數(shù)據(jù)科學(xué)家并積極為機器學(xué)習(xí)做出貢獻的*終目標。黃友良，計算機應(yīng)用技術(shù)專業(yè)博士，畢業(yè)于北京師范大學(xué)，2009年7月-至今就職于北京中醫(yī)藥大學(xué)管理學(xué)院，中華醫(yī)學(xué)會教育技術(shù)分會第八、九屆委員會青年委員，中國中醫(yī)藥信息研究會人工智能分會理事，Adobe中國認證講師。

圖書目錄

目錄
1　為深度學(xué)習(xí)開發(fā)設(shè)置Spark\t1
介紹\t1
下載Ubuntu桌面映像\t2
在macOS中使用VMWare Fusion安裝和配置Ubuntu\t3
在Windows中使用Oracle VirtualBox安裝和配置Ubuntu\t8
為谷歌云平臺安裝和配置Ubuntu桌面端\t11
在Ubuntu桌面端安裝和配置Spark\t23
集成Jupyter Notebook與Spark\t29
啟動和配置Spark集群\t33
停止Spark集群\t34
2　在Spark中創(chuàng)建神經(jīng)網(wǎng)絡(luò)\t36
介紹\t36
在PySpark中創(chuàng)建數(shù)據(jù)幀\t37
在PySpark數(shù)據(jù)幀中操作列\(zhòng)t41
將PySpark數(shù)據(jù)幀轉(zhuǎn)換為數(shù)組\t42
在散點圖中將數(shù)組可視化\t46
設(shè)置輸入神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏差\t49
規(guī)范化神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)\t52
驗證數(shù)組以獲得最佳的神經(jīng)網(wǎng)絡(luò)性能\t55
使用sigmoid設(shè)置激活函數(shù)\t57
創(chuàng)建sigmoid導(dǎo)數(shù)\t60
計算神經(jīng)網(wǎng)絡(luò)中的代價函數(shù)\t62
根據(jù)身高值和體重值預(yù)測性別\t66
預(yù)測分數(shù)并進行可視化\t69
3　卷積神經(jīng)網(wǎng)絡(luò)的難點\t72
介紹\t72
難點1：導(dǎo)入MNIST圖像\t73
難點2：可視化MNIST圖像\t77
難點3：將MNIST圖像導(dǎo)出為文件\t80
難點4：增加MNIST圖像\t82
難點5：利用備用資源訓(xùn)練圖像\t86
難點6：為卷積神經(jīng)網(wǎng)絡(luò)優(yōu)先考慮高級庫\t88
4　循環(huán)神經(jīng)網(wǎng)絡(luò)的難點\t94
介紹\t94
前饋網(wǎng)絡(luò)簡介\t95
循環(huán)神經(jīng)網(wǎng)絡(luò)的順序工作\t103
難點1：梯度消失問題\t108
難點2：梯度爆炸問題\t111
長短期記憶單元的順序工作\t114
5　用Spark機器學(xué)習(xí)預(yù)測消防部門呼叫\(zhòng)t119
介紹\t119
下載舊金山消防局呼叫數(shù)據(jù)集\t119
識別邏輯回歸模型的目標變量\t123
為邏輯回歸模型準備特征變量\t130
應(yīng)用邏輯回歸模型\t137
評估邏輯回歸模型的準確度\t142
6　在生成網(wǎng)絡(luò)中使用LSTM\t145
介紹\t145
下載將用作輸入文本的小說/書籍\t145
準備和清理數(shù)據(jù)\t151
標記句子\t156
訓(xùn)練和保存LSTM模型\t158
使用模型生成類似的文本\t163
7　使用TF-IDF進行自然語言處理\t171
介紹\t171
下載治療機器人會話文本數(shù)據(jù)集\t172
分析治療機器人會話數(shù)據(jù)集\t176
數(shù)據(jù)集單詞計數(shù)可視化\t178
計算文本的情感分析\t180
從文本中刪除停用詞\t184
訓(xùn)練TF-IDF模型\t188
評估TF-IDF模型性能\t192
比較模型性能和基線分數(shù)\t194
8　使用XGBoost進行房地產(chǎn)價值預(yù)測\t196
下載金斯縣房屋銷售數(shù)據(jù)集\t196
執(zhí)行探索性分析和可視化\t199
繪制價格與其他特征之間的相關(guān)性\t210
預(yù)測房價\t223
9　使用長短期記憶單元預(yù)測蘋果公司股票市場價格\t229
下載蘋果公司的股票市場數(shù)據(jù)\t229
探索和可視化蘋果公司的股票市場數(shù)據(jù)\t233
準備用于提升模型性能的股票市場數(shù)據(jù)\t238
構(gòu)建長短期記憶單元模型\t246
評估長短期記憶單元模型\t249
10　使用深度卷積網(wǎng)絡(luò)進行人臉識別\t252
介紹\t252
下載MIT-CBCL數(shù)據(jù)集并將其加載到內(nèi)存中\(zhòng)t252
繪制并可視化目錄中的圖像\t257
圖像預(yù)處理\t262
模型構(gòu)建、訓(xùn)練和分析\t269
11　使用Word2Vec創(chuàng)建和可視化單詞向量\t277
介紹\t277
獲取數(shù)據(jù)\t277
導(dǎo)入必要的庫\t281
準備數(shù)據(jù)\t284
構(gòu)建和訓(xùn)練模型\t288
進一步可視化\t293
進一步分析\t300
12　使用Keras創(chuàng)建電影推薦引擎\t304
介紹\t304
下載MovieLens數(shù)據(jù)集\t305
操作和合并MovieLens數(shù)據(jù)集\t312
探索MovieLens數(shù)據(jù)集\t318
為深度學(xué)習(xí)流水線準備數(shù)據(jù)集\t322
應(yīng)用Keras深度學(xué)習(xí)模型\t327
評估推薦引擎的準確度\t331
13　使用TensorFlow在Spark中進行圖像分類\t333
介紹\t333
下載梅西和羅納爾多各30張圖像\t334
使用深度學(xué)習(xí)包安裝PySpark\t339
將圖像加載到PySpark數(shù)據(jù)幀\t341
理解遷移學(xué)習(xí)\t344
創(chuàng)建用于圖像分類訓(xùn)練的流水線\t346
評估模型性能\t348
微調(diào)模型參數(shù)\t350