Часть I. Основы машинного обучения 25
Глава 1. Введение в машинное обучение 27
Глава 2. Полный проект машинного обучения 63
Глава 3. Классификация 121
Глава 4. Обучение моделей 153
Глава 5. Методы опорных векторов 199
Глава 6. Деревья принятия решений 223
Глава 7. Ансамблевое обучение и случайные леса 239
Глава 8. Понижение размерности 267
Часть II. Нейронные сети и глубокое обучение 291
Глава 9. Подготовка к работе с TensorFlow 293
Глава 10. Введение в искусственные нейронные сети 323
Глава 11. Обучение глубоких нейронных сетей 351
Глава 12. Использование TensorFlow для распределения
вычислений между устройствами и серверами 401
Глава 13. Сверточные нейронные сети 453
Глава 14. Рекуррентные нейронные сети 483
Глава 15. Автокодировщики 523
Глава 16. Обучение с подкреплением 553
Приложение А. Решения упражнений 593
Приложение Б. Контрольный перечень для проекта машинного обучения 633
Приложение В. Двойственная задача SVM 640
Приложение Г. Автоматическое дифференцирование 643
Приложение Д. Другие популярные архитектуры искусственных нейронных сетей 651
Предметный указатель 662