| 書名: | 人工智慧：Python程式應用 | |||
| 作者: | 陳若暉著 | |||
| ISBN: | 9786269646845 | |||
| 出版社: | 華泰 | |||
| 出版日期: | 2023/01 | |||
| 書籍開數、尺寸: | 19x26x2.5 | |||
| 重量: | 1.00 Kg | |||
| 頁數: | 512 | |||
| 內文印刷顏色: | 單色 | |||
|
#資訊
#編程與軟體開發 #AI人工智慧與機器學習 |
||||
| 定價: | ||||
| 售價: | 494元 | |||
| 庫存: | 已售完 | |||
| LINE US! | 詢問這本書 團購優惠、書籍資訊 等 | |||
| 此書籍已售完，調書籍需2-5工作日。建議與有庫存書籍分開下單 | ||||
人工智慧：Python程式應用
定價:
520
售價:
494
現省:
26
| 付款方式: | 超商取貨付款 |
|
|
| 信用卡 |
|
||
| 線上轉帳 |
|
||
| 物流方式: | 超商取貨 | ||
| 宅配 | |||
| 門市自取 |
詳細資訊
【簡介】 人工智慧(Artificial Intelligence，AI)快速發展，儼然成為推動經濟成長、國家安全、與生活福祉的一股驅動力量。AI教育首重於教材編撰與推廣，而市面上相關書籍琳琅滿目，主要分為AI概念介紹、基礎Python程式撰寫，亦或各領域專業程式等，且內容涵蓋專精理論架構與艱深數學模式推導。對於AI學習與普及性而言，容易產生學習品質不良的景況，且缺乏跨領域AI學習的架構與範疇。 本書乃以跨領域AI學習與程式應用為出發點，簡潔扼要圖表說明各領域AI的理論架構及應用層面，每個章節均對應程式設計與範例，均儲存於雲端供讀者下載練習。附件提供讀者立即查詢各項程式指令、套件、函數庫、與模型介紹等資料，並強化跨領域實務操作連結。此外，嘉惠各領域讀者能編寫出Python應用程式，例如智慧產業、智慧金融、決策樹分析、影音辨識、圖像與影像辨識、情緒偵測、現實虛擬系統、與自然語言處理等程式。有效理解並貫穿AI理論與內涵的精義，增進學習品質。對於AI教育的普及性與跨領域程式設計能力的培育，具有加持效果和助力。 【目錄】
為您推薦
類似書籍推薦給您
【簡介】 體貼初學者學習Azure AI服務的流程！ Azure AI服務功能介紹 > Azure AI服務申請 > 語法解說 > AI範例實作 ■ 專家與教師共同執筆 由微軟AI + Developer 雙領域 MVP與科技大學教師共同編著，針對初學者學習Azure AI領域所應具備的基本素養，所編寫入門教材，內容由淺入深，以引發學習動機為最主要考量，帶領初學者靈活運用Azure AI與Azure OpenAI進行開發AI應用程式。 ■ 內容多元且淺顯易懂 對Azure AI服務的理論做深入淺出的說明，同時廣泛列舉相關應用實例，並使用適當的插圖和圖表，說明Azure AI技術的原理和實際運作方案，讓初學者對Azure AI有更進一步的認識。 ■ Azure AI服務開發技能 介紹實用的入門開發實作，以培養初學者規劃AI解決方案的能力。實作包含：電腦視覺、OCR光學字元辨識、自訂視覺、臉部偵測與分析、文字分析、問題解答知識庫、翻譯、語音合成以及機器學習分類、迴歸和叢集模型的實作範例，並介紹目前最火紅的Azure OpenAI生成式AI開發聊天機器人與AI繪圖程式；詳盡說明實作的程式碼與操作步驟，培養初學者開發AI應用程式的能力。 ■ Microsoft AI-900人工智慧基礎國際認證能力訓練 將認證考試重點融入書中，讀者能藉由練習來了解該章內容重點，同時書末彙整MCF AI-900核心能力國際認證模擬試題，是考取MCF AI-900人工智慧基礎國際認證的最佳教材。 【目錄】 第1章 Microsoft Azure AI 基本概念：使用人工智慧的開始 1.1 人工智慧簡介 1.2 Microsoft Azure AI 簡介 1.3 模擬試題 第2章 負責任的 AI 2.1 AI 造成的道德和社會問題 2.2 了解負責任的AI 2.3 申請Azure 帳戶 2.4 模擬試題 第3章 認識 Colab 程式編輯環境 3.1 Colab 簡介 3.2 安裝 Colab 3.3 Colab 環境簡介 3.4 編輯第一個 Colab 筆記本 3.5 Colab 常用功能 第4章 Gradio 互動式網頁 4.1 簡介認識 Gradio 4.2 Gradio 基本語法介紹 4.3 Gradio 常用的輸出入元件 第5章 探索電腦視覺(一)電腦視覺分析 5.1 Azure AI 視覺簡介 5.2 Azure AI 視覺服務 5.3 Azure AI 服務開發環境與必要條件 5.4 Azure AI 視覺開發實作 5.5 模擬試題 第6章 探索電腦視覺(二)OCR 與文件智慧服務 6.1 光學字元識別 (OCR) 6.2 Azure AI 視覺服務讀取文字 6.3 文件智慧服務和知識採礦 6.4 Azure Al 視覺服務讀取影像文字開發實作 6.5 模擬試題 第7章 探索電腦視覺(三)臉部服務 7.1 臉部辨識服務簡介 7.2 臉部偵測 7.3 臉部分析 7.4 臉部識別 7.5 臉部辨識服務開發實作 7.6 模擬試題 第8章 探索電腦視覺(四)自訂視覺 8.1 自訂視覺簡介 8.2 自訂視覺影像分類 8.3 在 Azure 使用影像分類 8.4 自訂視覺物件偵測 8.5 在 Azure 使用物件偵測 8.6 自訂視覺範例實作 8.7 模擬試題 第9章 探索自然語言處理(一)文字分析 9.1 自然語言處理簡介 9.2 自然語言處理 9.3 使用 Azure AI 語言服務分析文字 9.4 文字分析開發實作 9.5 模擬試題 第10章 探索自然語言處理(二)對話式AI 10.1 對話式AI 簡介 10.2 問題與解答對話系統 10.3 使用交談語言理解建立語言模型 10.4 Azure AI 機器人服務 10.5 自訂問題解答開發實作 10.6 模擬試題 第11章 探索自然語言處理(三)語音與翻譯 11.1 語音辨識與語音合成 11.2 語音服務功能介紹 11.3 文字翻譯 11.4 翻譯服務功能介紹 11.5 文字翻譯開發實作 11.6 語音合成開發實作 11.7 模擬試題 第12章 Azure 機器學習基本原理 12.1 機器學習簡介 12.2 機器學習的工作流程 12.3 機器學習的模型 12.4 分類模型 12.5 迴歸模型 12.6 叢集模型 12.7 模擬試題 第13章 Azure 機器學習實作 13.1 Azure 機器學習服務簡介 13.2 Azure 機器學習設計工具的工作流程 13.3 使用設計工具建立模型 13.4 使用 Azure 機器學習自動化 ML 13.5 使用提示流程建立 AI 應用程式 13.6 模擬試題 第14章 Azure OpenAI 14.1 生成式 AI 簡介 14.2 大型語言模型 14.3 Azure OpenAI 簡介 14.4 Copilots 簡介 14.5 使用提示工程改善生成式 AI 回應 14.6 Azure OpenAI 生成式 AI 應用程式開發實作 14.7 模擬試題 附錄A MCF AI-900 人工智慧基礎國際認證模擬試題 看更多
類似書籍推薦給您
內容簡介 國內外最具代表性案例，9大專題實戰、15個分類實例 Google Colab、Microsoft Azure兩大雲端應用，人臉辨識、自然語言、 文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練， 從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！ 資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。 在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。 程式人、工程師挑戰人工智慧最佳學習地圖 由類神經網路基礎到AI應用實戰 訓練、模型、預測、辨識、分析與驗證 全面深入機器學習與深度學習技術核心 ■打造專屬Python、TensorFlow與Keras最強開發環境。 ■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。 ■整合最夯的人工智慧雲端開發平台：Google Colab，應用雲端提供的充沛資源，全面提升運算效能。 ■加碼最新的機器學習雲端應用平台：Microsoft Azure，連結功能強大、方向多元的Web API，豐富專業應用領域。 ■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。 ■全面深入不同應用面向： 印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測… ■網羅國內外最具代表性案例： 手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。 ■一次領略機器學習與深度學習的重要關鍵話題： TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Colab、Azure、Cognitive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、SQLite、SQLite Database Browser、Haar… ■針對專案實戰提供關鍵影音輔助教學，加速學習效率。 超值學習資源：120分鐘關鍵影音教學/範例程式檔/一探演算法雲端寶庫：Algorithmia教學PDF 感謝讀者好評 “很棒的書，我完全沒有深度學習和機器學習的任何知識，只有Python的基礎知識，也覺得書中的說明很快就讓我了解了。” --abedul “此書把繁雜的演算法理論以圖像化的方式呈現，可以幫助我們快速了解深度學習的核心概念，讓學習門檻降低許多，而且還提供了很多實用的實作範例，是一本入門深度學習的好書…” --Victor 目錄 01 打造開發環境： TensorFlow和Keras 1.1 人工智慧、機器學習和深度學習的關係 1.2 什麼是機器學習？ 1.3 什麼是深度學習？ 1.4 TensorFlow與Keras 1.5 建置Anaconda開發環境 1.6 TensorFlow及Keras安裝 1.7 設定TensorFlow的GPU支援 02 機器學習起點：多層感知器(MLP) 2.1 認識多層感知器(MLP) 2.2 認識Mnist資料集 2.3 多層感知器模型資料預處理 2.4 多層感知器實戰：Mnist手寫數字圖片辨識 2.5 模型儲存和載入 2.6 模型權重的儲存和載入 2.7 建立多個隱藏層 03 影像識別神器：卷積神經網路(CNN) 3.1 卷積神經網路(CNN)基本結構 3.2 認識Kaggle Cats and Dogs Dataset資料集 3.3 卷積神經網路實戰：圖片辨識 3.4 模型權重的儲存和載入 04 自然語言處理利器：循環神經網路(RNN) 4.1 循環神經網路(RNN)基本結構 4.2 認識外幣匯率查詢資料集 4.3 循環神經網路外幣匯率預測 4.4 模型權重的儲存和載入 4.5 長短期記憶(LSTM) 05 機器學習雲端開發工具：Google Colab 5.1 Colab：功能強大的虛擬機器 5.2 在Colab中進行機器學習 06 體驗機器學習雲端平台：Microsoft Azure 6.1 專題方向 6.2 電腦視覺資源 6.3 臉部辨識資源 6.4 文字語言翻譯資源 07 臉部辨識登入系統：Azure臉部辨識應用 7.1 專題方向 7.2 Azure臉部客戶端程式庫 7.3 刷臉登入系統 08 自然語言處理：文字雲與文章自動摘要 8.1 專題方向 8.2 Jieba模組 8.3 文字雲 8.4 文章自動摘要 09 語音辨識應用：YouTube影片加上字幕 9.1 專題方向 9.2 語音辨識 9.3 影片字幕製作 10 投資預測實證：股票走勢分析 10.1 專題方向 10.2 台灣股市資訊模組 10.3 股票分析 10.4 股票預測 11 自動標示物件：用Haar特徵分類器擷取車牌 11.1 專題方向 11.2 準備訓練Haar特徵分類器資料 11.3 建立車牌號碼Haar特徵分類器模型 11.4 使用Haar特徵分類器模型 12 無所遁形術：即時車牌影像辨識 12.1 專題方向 12.2 車牌號碼機器學習訓練資料 12.3 建立車牌辨識系統
類似書籍推薦給您
人工智慧Python基礎課：用Python分析了解你的資料 ISBN13：9789865025458 出版社：碁峰資訊 作者：陳會安 裝訂／頁數：平裝／456頁 規格：23cm*17cm*2.2cm (高/寬/厚) 版次：1 出版日：2020/08/31 中國圖書分類：電腦程式語言 內容簡介 ★學習人工智慧必修的Python程式設計能力和探索性資料分析 •完整說明人工智慧世代的你需要具備的Python程式設計能力和所需的Python套件，讓你可以靈活運用這些套件來進行探索性資料分析。 •程式的演算法是順序和動作，本書使用流程圖學習程式順序來幫助你了解Python程式結構；使用REPL輸入程式碼來熟悉動作的關鍵字。 •人工智慧最重要的部分就是「資料」，使用Jupyter Notebook實作的探索性資料分析，可以幫助你深入了解資料和找出資料之間隱藏的關聯性，以便使用這些關聯性來訓練機器學習模型，進行資料預測。 •以實務角度詳細說明Python資料科學的必學套件：Numpy、Matplotlib、Pandas和Scipy。 •使用實際範例搭配圖例，帶你進入Python機器學習和深度學習。 目錄 一、Python程式設計 第1章 Python語言與人工智慧的基礎 第2章 寫出你的Python程式 第3章 變數、資料型態與輸出輸入 第4章 運算子與運算式 第5章 條件敘述 第6章 迴圈結構 第7章 函數 第8章 字串字串、清單、元組與字典 第9章 模組、類別、檔案與例外處理 二、Python資料科學套件+Jupyter Notebook 第10章 Jupyter Notebook互動運算環境 第11章 NumPy 向量與矩陣運算 第12章 Matplotlib 資料視覺化 第13章 使用Pandas掌握你的資料 第14章 SciPy 演算法與科學運算 第15章 探索性資料分析實作案例 三、Python機器學習與深度學習 第16章 機器學習與深度學習入門 附錄A Python 常用整合開發環境的使用
華通書坊
