机器学习实战：基于Scikit-Learn、Keras和TensorFlow 第2版Hands-on Machine Learning with Scikit-Learn, Keras, and Te

前言（Preface）

第一部分 机器学习基础（Part I. The Fundamentals of Machine Learning）

第1章 机器学习概述（Chapter 1. The Machine Learning Landscape）（待更新）

第2章 端到端机器学习项目（Chapter 2. End-to-End Machine Learning Project）

第3章 分类（Chapter 3. Classification）

第4章 训练模型（Chapter 4. Training Models）

第5章 支持向量机（Chapter 5. Support Vector Machines）

第6章 决策树(Chapter 6. Decision Trees)

第7章 集成学习和随机森林（Chapter 7. Ensemble Learning and Random Forests）

第8章 降维（Chapter 8. Dimensionality Reduction）（待更新）

第9章 无监督学习技术（Chapter 9. Unsupervised Learning Techniques）（待更新）

第二部分 神经网络和深度学习（Part II. Neural Networks and Deep Learning）

第10章 Keras搭建人工神经网络概述（Chapter 10. Introduction to Artificial Neural Networks with Keras）

第11章 训练深度神经网络（Chapter 11. Training Deep Neural Networks）

第12章 利用TensorFlow自定义模型并训练（Chapter 12. Custom Models and Training with TensorFlow）（待更新）

第13章 利用TensorFlow加载和预处理数据（Chapter 13. Loading and Preprocessing Data with TensorFlow）（待更新）

第14章 利用卷积神经网络实现深度计算视觉（Chapter 14. Deep Computer Vision Using Convolutional Neural Networks）（待更新）

第15章 利用RNN和CNN处理序列（Chapter 15. Processing Sequences Using RNNs and CNNs）（待更新）

第16章 RNN和Attention实现自然语言处理（Chapter 16. Natural Language Processing with RNNs and Attention）（待更新）

第17章 使用自编码器和GAN实现表示学习和生成学习（Chapter 17. Representation Learning and Generative Learning Using Autoencoders and GANs）（待更新）

第18章 强化学习（Chapter 18. Reinforcement Learning）（待更新）

第19章 规模化训练和部署TensorFlow模型（Chapter 19. Training and Deploying TensorFlow Models at Scale）（待更新）

附录A. 习题解答（Appendix A. Exercise Solutions）

附录B. 机器学习项目清单（Appendix B. Machine Learning Project Checklist）

附录C. 支持向量机对偶问题（Appendix C. SVM Dual Problem）

附录D. 自动微分（Appendix D. Autodiff）

附录E. 其它流行的人工神经网络架构（Appendix E. Other Popular ANN Architectures）

附录F. 特殊数据结构（Appendix F. Special Data Structures）

附录G. TensorFlow图（Appendix G. TensorFlow Graphs）

索引（Index）