思维导图备注

[机器学习从认知到实践(第2辑)]
首页 下载 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

9.2 聊天机器人的历史

浏览 4 扫码
  • 小字体
  • 中字体
  • 大字体
2023-09-05 01:37:31
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • Python机器学习实践指南
    • 版权信息
    • 版权声明
    • 内容提要
    • 作者简介
    • 审阅者简介
    • 译者简介
    • 译者序
    • 前言
    • 第1章 Python机器学习的生态系统
      • 1.1 数据科学/机器学习的工作流程
      • 1.2 Python库和功能
      • 1.3 设置机器学习的环境
      • 1.4 小结
    • 第2章 构建应用程序，发现低价的公寓
      • 2.1 获取公寓房源数据
      • 2.2 检查和准备数据
      • 2.3 对数据建模
      • 2.4 小结
    • 第3章 构建应用程序，发现低价的机票
      • 3.1 获取机票价格数据
      • 3.2 使用高级的网络爬虫技术检索票价数据
      • 3.3 解析DOM以提取定价数据
      • 3.4 使用IFTTT发送实时提醒
      • 3.5 整合在一起
      • 3.6 小结
    • 第4章 使用逻辑回归预测IPO市场
      • 4.1 IPO市场
      • 4.2 特征工程
      • 4.3 二元分类
      • 4.4 特征的重要性
      • 4.5 小结
    • 第5章 创建自定义的新闻源
      • 5.1 使用Pocket应用程序，创建一个监督训练的集合
      • 5.2 使用embed.ly API下载故事的内容
      • 5.3 自然语言处理基础
      • 5.4 支持向量机
      • 5.5 IFTTT与文章源、Google表单和电子邮件的集成
      • 5.6 设置你的每日个性化新闻简报
      • 5.7 小结
    • 第6章 预测你的内容是否会广为流传
      • 6.1 关于病毒性，研究告诉我们了些什么
      • 6.2 获取分享的数量和内容
      • 6.3 探索传播性的特征
      • 6.4 构建内容评分的预测模型
      • 6.5 小结
    • 第7章 使用机器学习预测股票市场
      • 7.1 市场分析的类型
      • 7.2 关于股票市场，研究告诉我们些什么
      • 7.3 如何开发一个交易策略
      • 7.4 小结
    • 第8章 建立图像相似度的引擎
      • 8.1 图像的机器学习
      • 8.2 处理图像
      • 8.3 查找相似的图像
      • 8.4 了解深度学习
      • 8.5 构建图像相似度的引擎
      • 8.6 小结
    • 第9章 打造聊天机器人
      • 9.1 图灵测试
      • 9.2 聊天机器人的历史
      • 9.3 聊天机器人的设计
      • 9.4 打造一个聊天机器人
      • 9.5 小结
    • 第10章 构建推荐引擎
      • 10.1 协同过滤
      • 10.2 基于内容的过滤
      • 10.3 混合系统
      • 10.4 构建推荐引擎
      • 10.5 小结
    • 欢迎来到异步社区！
  • TensorFlow机器学习项目实战
    • 版权信息
    • 版权声明
    • 内容提要
    • 作者简介
    • 审稿人简介
    • 前言
    • 第1章 探索和转换数据
      • 1.1 TensorFlow的主要数据结构——张量
      • 1.2 处理计算工作流——TensorFlow的数据流图
      • 1.3 运行我们的程序——会话
      • 1.4 基本张量方法
      • 1.5 从磁盘读取信息
      • 1.6 小结
    • 第2章 聚类
      • 2.1 从数据中学习——无监督学习
      • 2.2 聚类的概念
      • 2.3 k均值
      • 2.4 k最近邻
      • 2.5 有用的库和使用示例
      • 2.6 例1——对人工数据集的k均值聚类
      • 2.7 例2——对人工数据集使用最近邻算法
      • 2.8 小结
    • 第3章 线性回归
      • 3.1 单变量线性模型方程
      • 3.2 选择损失函数
      • 3.3 最小化损失函数
      • 3.4 示例部分
      • 3.5 例1——单变量线性回归
      • 3.6 例2——多变量线性回归
      • 3.7 小结
    • 第4章 逻辑回归
      • 4.1 问题描述
      • 4.2 Logistic函数的逆函数——Logit函数
      • 4.3 例1——单变量逻辑回归
      • 4.4 例2——基于skflow单变量逻辑回归
      • 4.5 小结
    • 第5章 简单的前向神经网络
      • 5.1 基本概念
      • 5.2 例1——非线性模拟数据回归
      • 5.3 例2——通过非线性回归，对汽车燃料效率建模
      • 5.4 例3——多类分类：葡萄酒分类
      • 5.5 小结
    • 第6章 卷积神经网络
      • 6.1 卷积神经网络的起源
      • 6.2 例1——MNIST数字分类
      • 6.3 例2——CIFAR10数据集的图像分类
      • 6.4 小结
    • 第7章 循环神经网络和LSTM
      • 7.1 循环神经网络
      • 7.2 例1——能量消耗、单变量时间序列数据预测
      • 7.3 例2——创作巴赫风格的曲目
      • 7.4 小结
    • 第8章 深度神经网络
      • 8.1 深度神经网络的定义
      • 8.2 深度网络结构的历史变迁
      • 8.3 例子——VGG艺术风格转移
      • 8.4 小结
    • 第9章 规模化运行模型——GPU和服务
      • 9.1 TensorFlow中的GPU支持
      • 9.2 打印可用资源和设备参数
      • 9.3 例1——将一个操作指派给GPU
      • 9.4 例2——并行计算Pi的数值
      • 9.5 分布式TensorFlow
      • 9.6 例3——分布式Pi计算
      • 9.7 例4——在集群上运行分布式模型
      • 9.8 小结
    • 第10章 库的安装和其他技巧
      • 10.1 Linux安装
      • 10.2 Windows安装
      • 10.3 MacOS X安装
      • 10.4 小结
    • 欢迎来到异步社区！
  • TensorFlow技术解析与实战
    • 版权信息
    • 内容提要
    • 序
    • 前言
    • 第一篇 基础篇
    • 第1章 人工智能概述
      • 1.1 什么是人工智能
      • 1.2 什么是深度学习
      • 1.3 深度学习的入门方法
      • 1.4 什么是TensorFlow
      • 1.5 为什么要学TensorFlow
      • 1.6 机器学习的相关赛事
      • 1.7 国内的人工智能公司
      • 1.8 小结
    • 第2章 TensorFlow环境的准备
      • 2.1 下载TensorFlow 1.1.0
      • 2.2 基于pip的安装
      • 2.3 基于Java的安装
      • 2.4 从源代码安装
      • 2.5 依赖的其他模块
      • 2.6 小结
    • 第3章 可视化TensorFlow
      • 3.1 PlayGround
      • 3.2 TensorBoard[2]
      • 3.3 可视化的例子
      • 3.4 小结
    • 第4章 TensorFlow基础知识
      • 4.1 系统架构
      • 4.2 设计理念
      • 4.3 编程模型[5]
      • 4.4 常用API
      • 4.5 变量作用域
      • 4.6 批标准化
      • 4.7 神经元函数及优化方法
      • 4.8 模型的存储与加载
      • 4.9 队列和线程
      • 4.10 加载数据
      • 4.11 实现一个自定义操作
      • 4.12 小结
    • 第5章 TensorFlow源代码解析
      • 5.1 TensorFlow的目录结构
      • 5.2 TensorFlow源代码的学习方法
      • 5.3 小结
    • 第6章 神经网络的发展及其TensorFlow实现
      • 6.1 卷积神经网络
      • 6.2 卷积神经网络发展
      • 6.3 MNIST的AlexNet实现
      • 6.4 循环神经网络[15]
      • 6.5 循环神经网络发展
      • 6.6 TensorFlow Model Zoo
      • 6.7 其他研究进展
      • 6.8 小结
    • 第7章 TensorFlow的高级框架
      • 7.1 TFLearn
      • 7.2 Keras
      • 7.3 小结
    • 第二篇 实战篇
    • 第8章 第一个TensorFlow程序
      • 8.1 TensorFlow的运行方式
      • 8.2 超参数的设定
      • 8.3 小结
    • 第9章 TensorFlow在MNIST中的应用
      • 9.1 MNIST数据集简介
      • 9.2 MNIST的分类问题
      • 9.3 训练过程的可视化
      • 9.4 MNIST的卷积神经网络[4]
      • 9.5 MNIST的循环神经网络[5]
      • 9.6 MNIST的无监督学习
      • 9.7 小结
    • 第10章 人脸识别
      • 10.1 人脸识别简介
      • 10.2 人脸识别的技术流程
      • 10.3 人脸识别的分类
      • 10.4 人脸检测[2]
      • 10.5 性别和年龄识别[8]
      • 10.6 小结
    • 第11章 自然语言处理
      • 11.1 模型的选择
      • 11.2 英文数字语音识别[3]
      • 11.3 智能聊天机器人
      • 11.4 小结
    • 第12章 图像与语音的结合
      • 12.1 看图说话模型
      • 12.2 小结
    • 第13章 生成式对抗网络
      • 13.1 生成式对抗网络的原理
      • 13.2 生成式对抗网络的应用
      • 13.3 生成式对抗网络的实现[4]
      • 13.4 生成式对抗网络的改进
      • 13.5 小结
    • 第三篇 提高篇
    • 第14章 分布式TensorFlow
      • 14.1 分布式原理
      • 14.2 分布式架构[3]
      • 14.3 分布式模式
      • 14.4 分布式API[12]
      • 14.5 分布式训练代码框架
      • 14.6 分布式最佳实践[13]
      • 14.7 小结
    • 第15章 TensorFlow线性代数编译框架XLA
      • 15.1 XLA的优势
      • 15.2 XLA的工作原理
      • 15.3 JIT编译方式
      • 15.4 JIT编译在MNIST上的实现
      • 15.5 小结
    • 第16章 TensorFlow Debugger[1]
      • 16.1 Debugger的使用示例
      • 16.2 远程调试方法
      • 16.3 小结
    • 第17章 TensorFlow和Kubernetes结合
      • 17.1 为什么需要Kubernetes
      • 17.2 分布式TensorFlow在Kubernetes中的运行
      • 17.3 小结
    • 第18章 TensorFlowOnSpark
      • 18.1 TensorFlowOnSpark的架构[2]
      • 18.2 TensorFlowOnSpark在MNIST上的实践[5]
      • 18.3 小结
    • 第19章 TensorFlow移动端应用
      • 19.1 移动端应用原理
      • 19.2 iOS系统实践
      • 19.3 Android系统实践[14]
      • 19.4 树莓派实践
      • 19.5 小结
    • 第20章 TensorFlow的其他特性
      • 20.1 TensorFlow Serving[1]
      • 20.2 TensorFlow Flod[7]
      • 20.3 TensorFlow计算加速
      • 20.4 小结
    • 第21章 机器学习的评测体系
      • 21.1 人脸识别的性能指标
      • 21.2 聊天机器人的性能指标
      • 21.3 机器翻译的评价方法
      • 21.4 常用的通用评价指标
      • 21.5 小结
    • 附录A 公开数据集
      • A.1 图片数据集
      • A.2 人脸数据集
      • A.3 视频数据集
      • A.4 问答数据集
      • A.5 自动驾驶数据集
      • A.6 年龄、性别数据集
    • 附录B 项目管理经验小谈
      • B.1 管理的激进与保守问题
      • B.2 公司效率损失及规避
      • B.3 小结
    • 欢迎来到异步社区！
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《[机器学习从认知到实践(第2辑)]》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度