书籍：Practical Machine Learning for Computer Vision: End-to-End Machine Learning for Images

作者：Valliappa Lakshmanan，Martin Görner，Ryan Gillard

出版：O'Reilly Media

来源：【一点人工一点智能】公众号

01  书籍简介

这本实用书向您展示如何使用机器学习模型从图像中提取信息。机器学习工程师和数据科学家将学习如何使用经过验证的机器学习技术解决各种图像问题，包括分类、目标检测、自编码器、图像生成、计数和字幕等。本书也提供了对端到端深度学习的良好介绍：数据集创建、数据预处理、模型设计、模型训练、评估、部署和可解释性。

Google工程师Valliappa Lakshmanan、Martin Görner和Ryan Gillard向您展示如何使用强大的机器学习架构以灵活可维护的方式开发准确且可解释的计算机视觉机器学习模型，并将其投入大规模生产。您将学习如何使用TensorFlow或Keras编写的模型进行设计、训练、评估和预测。

您将学习：

· 设计用于计算机视觉任务的机器学习架构

· 选择适合您任务的模型（如ResNet、SqueezeNet或EfficientNet）

· 创建端到端的ML Pipeline，用于训练、评估、部署和解释您的模型

· 预处理图像以进行数据增强并支持可学习性

· 结合可解释性和负责任的AI最佳实践

· 将图像模型部署为Web服务或边缘设备上

· 监控和管理机器学习模型

02  作者简介

Valliappa (Lak) Lakshmanan是Google Cloud的分析和人工智能解决方案总监，他领导一个团队构建跨行业的业务问题解决方案。他的使命是使机器学习民主化，以便任何人在任何地方都可以进行机器学习。

Martin Görner是Keras / TensorFlow的产品经理，专注于改进使用最先进模型时的开发者体验。他对科学、技术、编码、算法以及其他相关领域充满热情。

Ryan Gillard是Google Cloud专业服务组织中的AI工程师，他为各种行业构建机器学习模型。他的职业生涯始于医院和医疗行业的研究科学家。拥有神经科学和物理学学位的他热衷于在这些学科的交叉领域通过数学探索智能。

03  书籍大纲