编辑推荐
TensorFlow 改变了机器学习的应用方式。本书告诉开发人员如何利用 TensorFlow 在各种实际项目中的优势—简单性、高效性和灵活性。在本书的帮助下，开发人员不仅可以学习如何使用不同的数据集构建高级项目，还可以使用 TensorFlow 生态系统中的一系列库来解决常见问题。
内容简介
《TensorFlow机器学习项目开发实战》详细阐述了与TensorFlow项目开发相关的基本解决方案，主要包括TensorFlow和机器学习概述、利用机器学习探测外太空中的系外行星、情感分析、数字分类、语音到文本的转换、预测股票价格、信用卡欺诈检测、贝叶斯深度学习、图像匹配和分类、推荐系统、大规模对象检测、生成图书脚本、深度强化学习与游戏、部署机器学习模型等内容。
此外，《TensorFlow机器学习项目开发实战》还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。
《TensorFlow机器学习项目开发实战》既可作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学教材和参考手册。
机器交易：利用算法赢得市场先机本书详细阐述了与机器交易相关的基本解决方案，主要包括算法交易基础、因子模型、时间序列分析、人工智能技术、期权策略、日内交易与市场微观结构、比特币、算法交易有益身心健康等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。 本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学教材和参考手册。
章节目录
《TensorFlow机器学习项目开发实战》
第1章 TensorFlow和机器学习概述
1．1 关于TensorFlow
1．2 TensorFlow核心API
1．3 计算图
1．4 机器学习、分类和逻辑回归
1．5 使用TensorFlow进行逻辑回归
1．6 使用Keras进行逻辑回归
1．7 小结
1．8 问题
1．9 延伸阅读
第2章 利用机器学习探测外太空中的系外行星
2．1 关于决策树
2．2 集成学习的必要性
2．3 基于决策树的集成方法
2．4 TensorFlow中基于决策树的集成
2．5 探测外太空的系外行星
2．6 建立用于系外行星探测的TFBT模型
2．7 小结
2．8 问题
2．9 延伸阅读
第3章 使用TensorFlow．js在浏览器中进行情感分析
3．1 理解TensorFlow．js
3．2 理解Adam优化
3．3 理解分类交叉熵损失
3．4 理解单词嵌入
3．5 构建情感分析模型
3．6 使用TensorFlow．js在浏览器中运行模型
3．7 小结
3．8 问题
第4章 使用TensorFlowLite进行数字分类
4．1 关于TensorFlowLite
4．2 分类模型评估指标
4．3 使用TensorFlowLite对数字进行分类
4．4 小结
4．5 问题
第5章 使用NLP进行从语音到文本的转换和主题的提取
5．1 关于Speech-to-Text框架和工具包
5．2 Google语音命令数据集
5．3 神经网络架构
5．4 训练模型
5．5 小结
5．6 问题
5．7 延伸阅读
第6章 使用高斯过程回归预测股票价格
6．1 理解贝叶斯规则
6．2 贝叶斯推理
6．3 高斯过程
6．4 将高斯过程应用于股市预测
6．5 创建股票价格预测模型
6．6 理解获得的结果
6．7 小结
6．8 问题
第7章 使用自动编码器进行信用卡欺诈检测
7．1 理解自动编码器
7．2 构建欺诈检测模型
7．3 小结
7．4 问题
……
第8章 使用贝叶斯神经网络生成交通标志分类器中的不确定性
第9章 使用DiscoGAN从鞋子图像生成匹配的手提包图像
第10章 使用胶囊网络对服装图像进行分类
第11章 使用TensorFlow制作商品推荐系统
第12章 使用TensorFlow进行大规模的对象检测
第13章 使用LSTM生成图书脚本
第14章 使用深度强化学习玩《吃豆人》游戏
第15章 在生产环境中部署机器学习模型
《机器交易：利用算法赢得市场先机》
第1章算法交易基础 1.1历史市场数据（Historical Market Data） 1.2现场市场数据（Live Market Data） 1.3回测与交易平台（Backtesting and Trading Platforms） 1.4经纪商（Brokers） 1.5表现度量（Performance Metrics） 1.6投资组合优化（Portfolio Optimization） 专栏1.1：净收益与对数收益的均值 专栏1.2：采用二次规划来计算效率限界 专栏1.3：使一个投资组合的夏普比率最大化 1.7小结 1.8练习 1.9尾注 第2章因子模型 2.1时间序列因子（Time-series Factors） 例2.1：使用Fama-French因子来预测第二天收益 2.2横截面因子（Cross-sectional Factors） 例2.2：拟合一个横截面因子模型，预测下一季度的收益 2.3双因子模型 例2.3：拟合ROE和BM因子模型，来预测下个月的收益 2.4使用期权价格来预测股票收益 2.4.1隐含矩（Implied Moments） 例2.4：做多（或做空）有较高（或较低）隐含矩的股票 2.4.2隐含波动率的每月变化量 2.4.3看涨看跌隐含波动率 2.4.4价外看跌期权减去平价看涨期权的隐含波动率 2.4.5隐含市场波动性的每日变化量 2.5空头净额（Short Interest） 2.6流动性（Liquidity） 2.7统计因子（Statistical Factors） 例2.5：使用PCA找到有预测性的统计因子 2.8把所有因子汇集到一起 2.9小结 2.10练习 2.11尾注 第3章时间序列分析 3.1AR(p) 3.2ARMA(p, q) 3.3VAR(p) 3.4状态空间模型（State Space Models，SSM） 3.5小结 3.6练习 3.7尾注 第4章人工智能技术 4.1逐步回归（Stepwise Regression） 4.2回归树（Regression Tree） 4.3交叉验证（Cross Validation） 4.4装袋算法（Bagging） 4.5随机子空间和随机森林（Random Subspace and Random Forest） 4.6提升算法（Boosting） 4.7分类树（Classification Tree） 4.8支撑向量机（Support Vector Machine） 4.9隐马尔科夫模型（Hidden Markov Model） 4.10神经网络（Neural Network） 4.11数据集成与标准化（Data Aggregation and Normalization） 4.12在股票选择中的应用（Application to Stocks Selection） 4.13小结 4.14练习 4.15尾注 第5章期权策略 5.1交易不含期权的波动率（Trading Volatility without Options） 例5.1：比较SPY和VX的杠杆复合收益 5.2预测波动率（Predicting Volatility） 例5.2：预测SPY的波动率 5.3事件驱动策略（Event-Driven Strategies） 例5.3：做空原油期货的期权跨式组合（Shorting Crude Oil Futures Options Straddles） 5.4Gamma牟利（Gamma Scalping） 例5.4：通过跨式组合在原油期货上做Gamma牟利 5.5离差交易（Dispersion Trading） 例5.5：SPX成分跨式组合对指数跨式组合的离差交易 5.6隐含波动率的横截面均值回复（Cross-Sectional Mean Reversion of Implied Volatility） 5.7小结 5.8练习 5.9尾注 第6章日内交易与市场微观结构 6.1降低延迟（Latency Reduction） 6.2订单类型和路由优化 6.2.1增加流动性（Adding Liquidity） 专栏6.1：为什么BATS的BZX交易对流动性增加者收费？ 6.2.2使用流动性（Taking Liquidity） 例6.1：ISO订单如何在一个订单簿上游走 6.2.3路由到暗池（Routing to Dark Pools） 6.3减少逆向选择（Adverse Selection Reduction） 6.4日内策略回测（Backtesting Intraday Strategies） 例6.2：使用ITCH消息来构造BBO 专栏6.2：当心低频数据（Beware of Low Frequency Data） 专栏6.3：跨期报价数据（Calendar spread quotes data） 6.5订单流（Order Flow） 专栏6.4：使用总量分类（BVC）来确定订单流 例6.3：订单流策略 6.6订单簿的不平衡性（Order Book Imbalance） 6.7小结 6.8练习 6.9尾注 第7章比特币 7.1比特币真相（Bitcoin Facts） 7.2时间序列技巧 7.3均值回复策略（Mean Reversion Strategy） 7.4人工智能技术（Artificial Intelligence Techniques） 7.5订单流（Order Flow） 例7.1：一个订单流策略 7.6跨交易所套利（Cross-Exchange Arbitrage） 7.7小结 7.8练习 7.9尾注 第8章算法交易有益身心健康 8.1算法交易员的身心健康（Mind and Health） 8.2交易作为一种服务（Trading as a Service） 8.3可行性 8.4知晓最新动向（Keeping Up with the Latest Trends） 8.5代人理财（Managing Other People’s Money） 8.6小结 8.7尾注 参考文献
《机器学习项目实战开发》套装是2019年由清华大学出版社出版,作者[印]安奇特·简恩著。
得书感谢您对《《机器学习项目实战开发》套装》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
