深度學(xué)習(xí)處理結(jié)構(gòu)化數(shù)據(jù)實(shí)戰(zhàn)

第1章 為何要使用結(jié)構(gòu)化數(shù)據(jù)進(jìn)行深度學(xué)習(xí)
1．1 深度學(xué)習(xí)概述
1．2 深度學(xué)習(xí)的優(yōu)缺點(diǎn)
1．3 深度學(xué)習(xí)軟件棧概述
1．4 結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)
1．5 反對(duì)使用結(jié)構(gòu)化數(shù)據(jù)進(jìn)行深度學(xué)習(xí)的相關(guān)意見(jiàn)
1．6 為何要研究基于結(jié)構(gòu)化數(shù)據(jù)的深度學(xué)習(xí)問(wèn)題？
1．7 本書(shū)附帶的代碼概述
1．8 你應(yīng)該知道的內(nèi)容
1．9 本章小結(jié)
第2章 示例問(wèn)題和Pandas數(shù)據(jù)幀簡(jiǎn)介
2．1 深度學(xué)習(xí)開(kāi)發(fā)環(huán)境選項(xiàng)
2．2 探索Pandas的代碼
2．3 Python中的Pandas數(shù)據(jù)幀
2．4 將CSV文件提取到Pandas數(shù)據(jù)幀中
2．5 使用Pandas來(lái)完成SQL操作
2．6 主示例：預(yù)測(cè)有軌電車(chē)的延誤情況
2．7 為何真實(shí)世界的數(shù)據(jù)集對(duì)于掌握深度學(xué)習(xí)至關(guān)重要
2．8 輸入數(shù)據(jù)集的格式和范圍
2．9 目的地：端到端的解決方案
2．10 有關(guān)解決方案代碼的更多細(xì)節(jié)
2．11 開(kāi)發(fā)環(huán)境：普通環(huán)境與深度學(xué)習(xí)專(zhuān)用環(huán)境
2．12 深入研究反對(duì)深度學(xué)習(xí)的意見(jiàn)
2．13 深度學(xué)習(xí)是如何變得更易于使用的
2．14 訓(xùn)練深度學(xué)習(xí)模型初試
2．15 本章小結(jié)
第3章 準(zhǔn)備數(shù)據(jù)1：探索及清理數(shù)據(jù)
3．1 探索及清理數(shù)據(jù)的代碼
3．2 在Python中使用配置文件
3．3 將XLS文件提取到Pandas數(shù)據(jù)幀中
3．4 使用pickle將Pandas數(shù)據(jù)幀從一個(gè)會(huì)話(huà)保存到另一個(gè)會(huì)話(huà)中
3．5 探索數(shù)據(jù)
3．6 將數(shù)據(jù)分為連續(xù)型、分類(lèi)型以及文本型
3．7 清理數(shù)據(jù)集中存在的問(wèn)題：數(shù)據(jù)丟失、錯(cuò)誤以及猜測(cè)
3．8 確定深度學(xué)習(xí)需要多少數(shù)據(jù)
3．9 本章小結(jié)
第4章 準(zhǔn)備數(shù)據(jù)2：轉(zhuǎn)換數(shù)據(jù)
4．1 準(zhǔn)備及轉(zhuǎn)換數(shù)據(jù)的代碼
4．2 處理不正確的數(shù)值：路線(xiàn)
4．3 為何只能用單個(gè)替代值來(lái)?yè)Q掉所有錯(cuò)誤的值？
4．4 處理不正確的值：車(chē)輛
4．5 處理不一致的值：位置
4．6 去向遠(yuǎn)方：位置
4．7 處理類(lèi)型不匹配問(wèn)題
4．8 處理依然包含錯(cuò)誤數(shù)據(jù)的行
4．9 創(chuàng)建派生列
4．10 準(zhǔn)備非數(shù)值型數(shù)據(jù)來(lái)訓(xùn)練深度學(xué)習(xí)模型
……
第5章 準(zhǔn)備并構(gòu)建模型
第6章 模型訓(xùn)練與實(shí)驗(yàn)
第7章 對(duì)已訓(xùn)練的模型進(jìn)行更多實(shí)驗(yàn)
第8章 模型部署
第9章 建議的后繼步驟
附錄 使用Google協(xié)作
實(shí)驗(yàn)室（Google Colaboratory）