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

第1章 為何要使用結(jié)構(gòu)化數(shù)據(jù)進行深度學(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
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 反對使用結(jié)構(gòu)化數(shù)據(jù)進行深度學(xué)習(xí)的相關(guān)意見
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)問題？
1．7 本書附帶的代碼概述
1．8 你應(yīng)該知道的內(nèi)容
1．9 本章小結(jié)
第2章 示例問題和Pandas數(shù)據(jù)幀簡介
2．1 深度學(xué)習(xí)開發(fā)環(huán)境選項
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來完成SQL操作
2．6 主示例：預(yù)測有軌電車的延誤情況
2．7 為何真實世界的數(shù)據(jù)集對于掌握深度學(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 開發(fā)環(huán)境：普通環(huán)境與深度學(xué)習(xí)專用環(huán)境
2．12 深入研究反對深度學(xué)習(xí)的意見
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)幀從一個會話保存到另一個會話中
3．5 探索數(shù)據(jù)
3．6 將數(shù)據(jù)分為連續(xù)型、分類型以及文本型
3．7 清理數(shù)據(jù)集中存在的問題：數(shù)據(jù)丟失、錯誤以及猜測
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
4．3 為何只能用單個替代值來換掉所有錯誤的值？
4．4 處理不正確的值：車輛
4．5 處理不一致的值：位置
4．6 去向遠(yuǎn)方：位置
4．7 處理類型不匹配問題
4．8 處理依然包含錯誤數(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)練與實驗
第7章 對已訓(xùn)練的模型進行更多實驗
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
實驗室（Google Colaboratory）