Python迁移学习

作者简介

迪潘简·撒卡尔（Dipanjan Sarkar）是英特尔公司的一名数据科学家，他利用数据科学、机器学习和深度学习来构建大规模的智能系统。他拥有数据科学和软件工程专业的硕士学位。 他从事分析工作多年，专攻机器学习、自然语言处理（Natural Language Processing，NLP）、统计方法和深度学习。他对教育充满热情，同时还在Springboard等组织中担任数据科学导师，帮助人们学习数据科学。他还是人工智能和数据科学领域的领先在线期刊《面向数据科学》的主要编著者和编辑，他还编写了几本关于R、Python、机器学习、NLP和深度学习的书。 拉格哈夫·巴利（Raghav Bali）是Optum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NLP的企业级解决方案，用于医疗和保险领域的相关用例。之前在英特尔公司的工作中，他参与了数据主动驱动IT的提案。他还曾在企业资源计划（Enterprise Resource Planning，ERP）和金融领域的一些世界领先的组织工作。他已经和一些优秀的出版社合作出版了多本书籍。 Raghav在班加罗尔国际信息技术学院作为优秀毕业生获得了信息技术硕士学位。他热爱阅读，在工作不忙时，他是一个热衷于捕捉生活瞬间的摄影爱好者。 塔莫格纳·戈什（Tamoghna Ghosh）是英特尔公司的机器学习工程师。他共有11年的工作经验，其中包括4年在微软印度研究院的核心研究经验。在微软研究院期间，他曾担任分组密码的密码分析的研究助理。 他的技术专长包括大数据、机器学习、NLP、信息检索、数据可视化和软件开发。他在加尔各答印度统计研究所获得了工学硕士（计算机科学）学位，在加尔各答大学获得了理学硕士（数学）学位。他的专业研究领域为功能性分析、数学建模以及动态系统。他对教学工作充满热情，并为英特尔公司开展了不同级别的数据科学内部培训。

内容简介

1. 快速掌握知识点 本书能带你厘清机器学习和深度学习的关键基本概念，对重要的深度学习架构进行描述，卷积神经网络、深度神经网络、递归神经网络、长短时记忆神经网络以及胶囊网络都有所涉及。 2. 用实操夯实迁移学习理论 通过阅读本书，读者能够深刻理解迁移学习的相关概念，并结合相关的编程案例掌握模型冻结、模型调优、预训练模型（包括VGG模型、Inception模型和ResNet模型）等。 3. 掌握实用技能 本书集中讨论了大量现实世界中不同领域的案例和问题，例如计算机视觉、音频分析以及自然语言处理。