[套装书]机器学习实战：基于Sophon平台的机器学习理论与实践+Python人脸识别：从入门到工程实践（2册）

作者

王天庆

丛书名

“工业和信息化领域急需紧缺人才（大数据和人工智能）培养工程”系列丛书

出版社

机械工业出版社

ISBN

9782001101792

简要

简介

内容简介书籍计算机书籍 ---------------------------机器学习实战：基于Sophon平台的机器学习理论与实践--------------------------- 在机器学习大行其道的今天，机器学习平台也有着突飞猛进的发展。本书的立意，就是使用机器学习平台积累、沉淀下来的模块、组件去解决一个又一个业务难题和探索隐藏在其中的数据之美。Sophon机器学习平台的丰富算子能力和优秀的建模上线功能提供正是这样的能力。本书针对每种类型的机器学习问题，结合实际案例依照数据、分析、建模、总结的演进历程进行系统化阐述并进行实战讲解。 ---------------------------Python人脸识别：从入门到工程实践--------------------------- 内容简介 这是一本面向初学者的人脸识别工具书，不仅适合零基础的读者快速入门，而且适合有一定基础的读者迅速达到可以进行工程实践的水平。 作者就职于某世界100强企业，在人脸识别方面积累了丰富的工程实践经验，本书不仅详细介绍了机器学习、深度学习、计算机视觉、人脸识别等方面的原理、技术和算法，而且还通过相关的实战案例讲解了如何进行人脸识别方面的实践，以及如何将做好的模型用于工程实践中。同时，本书还提供了大量简洁、精炼的代码，能帮助读者从零开始实现一个工程级别的人脸识别引擎。 全书一共8章： 第1章介绍了人脸识别的基础和必备常识； 第2-4章详细讲解了与人脸识别相关的数学、机器学习、计算机视觉、OpenCV相关的基础和算法； 第5章讲解了深度学习的原理以及使用Keras实现深度学习模型的方法； 第6章介绍了常用的人脸识别算法； . 第7~8章详细讲解了人脸识别引擎的实现方法以及如何将做好的模型进行工程化。

目录

---------------------------机器学习实战：基于Sophon平台的机器学习理论与实践--------------------------- 前言 丛书前言 本书编委会 前言 第1章机器学习导论 1.1 什么是机器学习 1.1.1 机器学习的背景 1.1.2 机器学习的定义 1.1.3 机器学习的任务类型 1.1.4 构建机器学习应用的步骤 1.2 开发机器学习工作流的方式 第2章数据预处理与特征工程 2.1 特征提取 2.1.1 探索性数据分析 2.1.2 数值特征 2.1.3 类别特征 2.1.4 时间特征 2.1.5 文本特征 2.1.6 过滤方法 2.1.7 封装方法 2.1.8 嵌入方法 2.1.9 自动化特征工程 2.2 交互式数据预处理 2.3 本章小结 第3章回归模型 3.1 回归任务概述 3.2 回归算法原理 3.2.1 线性回归 3.2.2 决策树回归 3.2.3 生存回归 3.3 Sophon案例 3.4 本章小结 第4章分类 4.1 分类任务概述 4.2 分类算法原理 4.2.1 逻辑回归 4.2.2 因子分解机 4.2.3 XGBoost 4.3 使用Sophon建立分类模型 4.3.1 场景介绍 4.3.2 建模过程 4.3.3 结果分析 4.4 本章小结 第5章模型融合 5.1 集成学习理论 5.1.1 集成学习基本概念 5.1.2 个体学习器 5.1.3 基学习器集成 5.1.4 常用的集成学习方法 5.2 常用融合方法 5.2.1 平均法 5.2.2 学习法（Stacking 方法） 5.3 使用Sophon进行模型融合 5.3.1 场景与数据集介绍 5.3.2 建模过程 5.3.3 结果分析 5.4 本章小结 第6章聚类 78 6.1 聚类任务概述 6.2 聚类算法原理 6.2.1 K-Means 6.2.2 Fuzzy C-Means 6.2.3 Canopy 6.2.4 高斯混合 6.3 聚类模型实例 6.3.1 场景介绍 6.3.2 建模过程 6.3.3 结果分析 6.4 本章小结 第7章图计算 7.1 背景和问题描述 7.2 常用算法介绍 7.2.1 PageRank 7.2.2 标签传播 7.2.3 中心性检测 7.2.4 图嵌入 7.3 落地案例 7.3.1 场景介绍 7.3.2 建模过程 7.3.3 结果分析 7.4 本章小结 第8章自动机器学习 8.1 场景介绍 8.2 自动化特征工程 8.2.1 自动多表特征扩展 8.2.2 自动特征构建 8.3 建模过程 8.4 结果分析 8.5 真实测试案例 8.5.1 数据集 8.5.2 前置设置 8.5.3 测试结果分析 8.5.4 Abalone 和 Airfoil Self-Noise 数据集的增强测试 8.5.5 小结 8.6 本章小结 第9章自然语言处理 9.1 自然语言处理算法原理 9.1.1 词向量 9.1.2 序列标注 9.1.3 关键词抽取 9.1.4 文本自动摘要 9.1.5 文本情感分析 9.2 使用Sophon建立自然语言处理模型 9.2.1 场景介绍 9.2.2 建模流程 9.2.3 模型评估 9.3 落地案例 9.4 本章小结 第10章计算机视觉 10.1 计算机视觉概述 10.2 计算机视觉算法原理 10.2.1 图像分类 10.2.2 目标检测 10.3 计算机视觉模型示例 10.3.1 图像预处理 10.3.2 图像分类算法建模 10.3.3 目标检测算法建模 10.4 落地案例 10.5 本章小结 附录A 企业级人工智能应用平台Sophon A.1 产品架构 A.2 技术特点 A.3 组件介绍能 A.4 Sophon Edge 边缘计算 A.5 Sophon EP 实体画像 A.6 Sophon KG 知识图谱 A.7 Sophon CV 图像分析 A.8 Sophon NLP 自然语言处理 A.9 Sophon Cloud 服务管理 ---------------------------Python人脸识别：从入门到工程实践--------------------------- 前言 第1章　人脸识别入门1 1.1　人脸识别概况1 1.1.1　何为人脸识别1 1.1.2　人脸识别的应用2 1.1.3　人脸识别的目标4 1.1.4　人脸识别的一般方法5 1.2　人脸识别发展状况8 1.2.1　人脸识别历史沿革8 1.2.2　DT时代的呼唤10 1.2.3　计算机视觉的新起点10 1.3　本章小结12 第2章　数学与机器学习基础13 2.1　矩阵13 2.1.1　矩阵的形式13 2.1.2　行列式14 2.1.3　转置15 2.1.4　矩阵的一般运算15 2.2　向量17 2.2.1　向量的形式18 2.2.2　向量的点乘18 2.2.3　向量的范数19 2.3　距离度量19 2.3.1　欧式距离19 2.3.2　曼哈顿距离20 2.3.3　余弦距离20 2.3.4　汉明距离21 2.4　卷积22 2.4.1　一维卷积22 2.4.2　二维卷积23 2.5　机器学习基础25 2.5.1　机器学习类别25 2.5.2　分类算法26 2.6　本章小结38 第3章　计算机视觉原理与应用39　 3.1　计算机视觉介绍39 3.2　颜色模型40 3.2.1　彩色图像40 3.2.2　灰度图像与二值图像42 3.3　信号与噪声44 3.3.1　信号44 3.3.2　噪声45 3.4　图像滤波45 3.4.1　均值滤波45 3.4.2　中值滤波47 3.5　图像的几何变换47 3.5.1　平移48 3.5.2　旋转49 3.5.3　缩放50 3.6　图像特征50 3.6.1　灰度直方图50 3.6.2　LBP特征51 3.6.3　Haar特征52 3.6.4　HOG特征54 3.7　本章小结56 第4章　OpenCV基础与应用58 4.1　OpenCV介绍58 4.2　科学计算库Numpy59 4.2.1　array类型60 4.2.2　线性代数相关62 4.2.3　矩阵的高级函数64 4.3　OpenCV基本操作70 4.4　图像的基本变换72 4.4.1　颜色变换72 4.4.2　几何变换80 4.4.3　图像噪声处理83 4.5　本章小结86 第5章　深度学习与Keras工程实践87 5.1　深度学习介绍87 5.2　Keras框架简介89 5.3　Keras的使用方法91 5.3.1　深度学习的原理91 5.3.2　Keras神经网络堆叠的两种方法92 5.4　常用的神经网络层96 5.4.1　全连接层96 5.4.2　二维卷积层98 5.4.3　池化层100 5.4.4　BN层103 5.4.5　dropout层105 5.4.6　flatten层106 5.5　激活函数108 5.5.1　Sigmoid激活函数108 5.5.2　Softmax激活函数109 5.5.3　ReLU激活函数110 5.5.4　Keras中激活函数的使用111 5.6　优化器112 5.6.1　SGD优化器113 5.6.2　Adadelta优化器116 5.7　损失函数117 5.7.1　均方误差117 5.7.2　交叉熵损失函数118 5.7.3　Keras提供的损失函数120 5.8　模型评估方法122 5.8.1　交叉验证122 5.8.2　分类器性能评估124 5.9　数据增强127 5.9.1　数据增强概述128 5.9.2　Keras实现数据增强129 5.9.3　自己实现数据增强133 5.10　Keras的工程实践134 5.10.1　训练时的回调函数135 5.10.2　打印网络信息137 5.10.3　输出网络结构图139 5.10.4　获取某层的输出140 5.11　本章小结142 第6章　常用人脸识别算法143 6.1　特征脸法143 6.2　OpenCV的方法146 6.2.1　人脸检测方法147 6.2.2　人脸识别方法149 6.3　Dlib的人脸检测方法151 6.4　基于深度学习的图片特征提取152 6.4.1　AlexNet152 6.4.2　VGGNet155 6.4.3　GoogLeNet157 6.4.4　ResNet160 6.5　基于深度学习的人脸检测161 6.5.1　基于深度学习的目标检测162 6.5.2　MTCNN164 6.6　基于深度学习的人脸识别167 6.6.1　基于度量学习的方法168 6.6.2　基于边界分类的方法171 6.7　本章小结177 第7章　人脸识别项目实战178 7.1　人脸图片数据集178 7.1.1　Olivetti Faces人脸数据集178 7.1.2　LFW人脸数据集180 7.1.3　YouTube Faces人脸数据集181 7.1.4　IMDB WIKI人脸数据集181 7.1.5　FDDB人脸数据集182 7.2　使用OpenCV的人脸检测182 7.2.1　Haar级联分类器182 7.2.2　OpenCV的SSD人脸检测器184 7.3　使用Dlib的人脸检测186 7.3.1　基于Hog-SVM的人脸检测186 7.3.2　基于最大边界的对象检测器187 7.4　深度学习实践188 7.4.1　卷积神经网络实现189 7.4.2　数据增强207 7.4.3　自定义损失函数211 7.4.4　数据预处理213 7.4.5　模型训练214 7.4.6　实现Web接口216 7.4.7　模型调优与总结218 7.5　人脸识别的拓展应用219 7.6　本章小结220 第8章　人脸识别工程化221 8.1　云平台实践221 8.1.1　云计算介绍221 8.1.2　云服务的形式223 8.1.3　云平台架构设计224 8.2　服务API设计229 8.2.1　人脸检测229 8.2.2　人脸对比239 8.3　人脸图片存储241 8.4　人脸图片检索243 8.5　本章小结244 附录　参考文献245

有问题微信扫码联系

• ※[套装书]机器学习实战：基于Sophon平台的机器学习理论与实践+神经网络与深度学习实战：Python+Keras+TensorFlow（2册）
• ※[套装书]机器学习实战：基于Sophon平台的机器学习理论与实践+Python数据分析与数据化运营 第2版（2册）
• ※[套装书]机器学习实战：基于Sophon平台的机器学习理论与实践+机器学习实战：基于Scikit-Learn和TensorFlow（2册）
• ※[套装书]机器学习实战：基于Sophon平台的机器学习理论与实践+利用Python进行数据分析（原书第2版）（2册）
• ※[套装书]机器学习实战：基于Sophon平台的机器学习理论与实践+强化学习：原理与Python 实现[鲜读]（2册）
• ※[套装书]机器学习实战：基于Sophon平台的机器学习理论与实践+Python人脸识别：从入门到工程实践（2册）
• ※[套装书]机器学习实战：基于Sophon平台的机器学习理论与实践+Python数据分析与挖掘实战（第2版）（2册）
• ※[套装书]机器学习实战：基于Sophon平台的机器学习理论与实践+深入理解AutoML和AutoDL：构建自动化机器学习与深度学习平台（2册）
• ※[套装书]机器学习实战：基于Sophon平台的机器学习理论与实践+深度学习之图像识别：核心技术与案例实战（2册）
• ※最好的疗愈：当灵魂遇见音乐
• ※[套装书]深入理解Elasticsearch（原书第3版）+Spring Cloud微服务架构进阶（2册）

桂ICP备20004708号-4