少年Py的大冒險-成為Python數據分析達人的第一門課 (2版)
其他會員也一起購買
【簡介】
本書精心設計了52個實例,例如製作拍拍機器人進行對話、文青機器人進行寫詩、某地區的房價預測、用股價做數據分析等,透過Python程式語言學習數據分析和機器學習的相關應用。書中分為四個引人入勝的篇章:「啟程」、「歷險」、「回歸」、「補給站」,就像是帶領讀者成為英雄,踏上了一段刺激又有趣的Python學習之旅。這種有趣的引導方式不僅讓讀者學習了程式語言,更彷彿像是沉浸在一場奇幻的學習冒險中。
近年來,Python程式語言在數據分析和人工智慧領域占據著領導地位,本書正是基於這一點,旨在幫助讀者「花時間在解決問題,而不是花時間在學習程式語言」。作者深諳學習者的需求,精心挑選了各種有趣的範例,從「基礎知識」到「數據分析」再到「機器學習」,讓讀者在實際應用中不斷鞏固知識。
本書以Jupyter Notebook作為主要學習平台,介紹了如何建構Python環境、使用Jupyter Notebook的方法。讀者可以選擇使用Google Colab進行雲端學習,或是在個人電腦上安裝Anaconda,這種多元的方式讓讀者可以更靈活地進行學習。
作者豐富的教學經驗也是本書的一大特色。曾以本書的架構在多個知名學府和機構開設Python課程,並在廣大學生中累積極佳的口碑,不論您的背景是文科還是理工科,都非常適合使用本書的內容。
本書特色
1.以四大篇章學習Python的「基礎知識」、「數據分析」、「機器學習」。
2.書中設計52個Python的實務應用,從各種有趣的範例引發學習興趣。
3.輕鬆活潑的版面,以圖解化方式加深學習印象。
4.新增API應用範例:加入OpenAI的ChatGPT API,建立個人對話機器人。
5.新增Web App範例:引入gradio套件,讓讀者能快速創立個人Web App。
【目錄】
第 1 篇【啟程】用Jupyter Notebook 快速學會Python 基礎
冒險 1 Colab—雲端版的 Jupyter Notebook
冒險 2 Python 計算機
冒險 3 用 Python 畫個圖
冒險 4 從常態分布抽樣
冒險 5 畫個函數吧
冒險 6 參數式畫圖其實也一樣!
冒險 7 Python 的資料型態
冒險 8 重要的字典資料型態
冒險 9 用 Markdown 做美美的筆記
冒險 10 Hello, World!
冒險 11 做一個拍拍機器人!
冒險 12 真的還假的?
冒險 13 串列索引和生成
冒險 14 用串列控制要做幾次的for 迴圈
冒險 15 直到這樣,while 迴圈才結束
冒險 16 用append 打造我們要的串列
冒險 17 list comprehension 打造所需的串列
冒險 18 函式的寫法
冒險 19 引入套件,寫個猜數字遊戲
冒險 20 Jupyter Notebook 超炫互動功能
第 2 篇【歷險】Python 的進階主題,邁向數據分析之路
冒險 21 map 和filter
冒險 22 用class 打造自己的資料型態
冒險 23 完全掌控print 的結果
冒險 24 打造一個會寫詩的文青機器人
冒險 25 漂亮display 所有物件
冒險 26 for 迴圈的進階技巧
冒險 27 把我們要的資料存檔起來
冒險 28 讓matplotlib 顯示中文
冒險 29 歡迎來到Array 的世界
冒險 30 Broadcasting 比我們想像更有趣
冒險 31 Array 大變身
冒險 32 Array 快速生成法
冒險 33 Array 畫圖超方便
冒險 34 Array 快篩法
冒險 35 熊貓是Python 的Excel
冒險 36 用熊貓做基本數據分析
冒險 37 組裝自己的DataFrame
冒險 38 Groupby 找美國最常目擊UFO 的州
冒險 39 玩玩真的股票資料
第 3 篇【回歸】用Python 做機器學習!
冒險 40 當紅的AI 就是把問題化成函數
冒險 41 函數學習三部曲和線性迴歸
冒險 42 模擬線性迴歸的數據
冒險 43 過度擬合
冒險 44 訓練資料與測試資料
冒險 45 拿真實世界的資料來試試看—加州房價預測
冒險 46 用 Python 的進階小技巧來看 features 和輸出的關係
冒險 47 機器學習中的監督式學習-以 SVM 為例
冒險 48 把完整的結果畫出來
冒險 49 來做鳶尾花的分類
冒險 50 非監督式學習與 k-means
第 4 篇【補給站】善用工具,展開奇幻旅程
冒險副本 01 從拍拍機器人到ChatGPT
冒險副本 02 用 gradio 神速打造你的 web app
詳細資料
ISBN:9786263286573
叢書系列:大專資訊
規格:平裝 / 292頁 / 19 x 26 x 1.46 cm / 普通級 / 全彩印刷 / 二版
出版地:台灣
本書分類:電腦資訊> 程式設計/APP開發> Python
立即查看
NVIDIA輝達之道:第一本輝達詳解!從AI教父黃仁勳的登頂之路,看全球科技投資前景 (1版)
其他會員也一起購買
立即查看
讓AI好好說話!從頭打造LLM的實戰秘笈 (1版)
其他會員也一起購買
【簡介】
用自己的電腦也能從零開始建構 LLM 模型!
LLM 的參數真的非常多~ 動輒就數千億個參數,一般家用電腦是跑不動的;再加上 LLM 模型架構、注意力機制的運作都非常複雜,要深入理解也有不小的門檻。
★ 機器學習專家 Sebastian Raschka 特別規劃了一整套的教練式教學,透過較小型的資料集,讓您能在一般電腦上跟著步驟實作,並逐步理解大型語言模型的架構與技術!
- 本書涵蓋了建構 LLM 的完整過程,包括處理資料集、實作模型架構、注意力機制、使用無標籤的資料進行預訓練,以及針對特定任務的微調技術 (分類任務微調與指令微調)。
- 書中每一步驟都有清楚的文字、圖解和程式範例,帶著你從零開始撰寫一個基礎模型,並將其進化為文本分類工具,最終創建一個能夠理解並回應對話指令的聊天機器人。
★ 經驗豐富的開發者與初學者,都可以學習到如何一步步建構一個 GPT,掌握創建 LLM 所需的基本概念與實作技巧!
- 如果是具備基礎機器學習知識、中階 Python 技能的讀者,作者提供了許多額外資源,包含完整程式碼範例 (GitHub 儲存庫)、參考文獻與延伸閱讀 (像是如何應用更大規模的模型參數)、優化訓練迴圈與進階的 LoRA 微調方法,讓您可以再進一步深入學習,持續往專家邁進!
- 對於初學者來說,作者在附錄中有提供 PyTorch 基礎知識與安裝解說,而小編則在內文中適當添加註解,幫助讀者能更好地理解內容。另外,旗標更準備了 Colab 線上資源,讓您理論、實作都能暢通無阻。就算是程式語言小白,初入門也能無痛學習、打好 LLM 的基礎~
一起提前起跑,搶佔 LLM 理論知識與 GPT 模型實作的先機,為自己投資一個無限的未來!
【目錄】
▌第 1 章 理解大型語言模型
1.1 什麼是 LLM?
1.2 LLM 的應用
1.3 建構與使用 LLM
1.4 Transformer 架構介紹
1.5 大型資料集的運用
1.6 深入探討 GPT 架構
1.7 建構大型語言模型 (LLM)
1.8 重點回饋
▌第 2 章 處理文本資料
2.1 詞嵌入 (Word Embedding,或稱詞向量)
2.2 文本斷詞 (Tokenize)
2.3 將 token 轉換為 token ID
2.4 添加特殊 token
2.5 字節對編碼 (Byte Pair Encoding, BPE)
2.6 使用滑動視窗法 (Sliding Window) 進行資料取樣
2.7 創建 token 嵌入 (Embedding)
2.8 位置資訊的編碼
2.9 重點回顧
▌第 3 章 實作注意力機制
3.1 長序列建模的問題
3.2 使用注意力機制捕捉資料依賴關係
3.3 利用自注意力機制,關注輸入序列中的不同位置
- 3.3.1 簡化的自注意力機制 (不使用可訓練權重)
- 3.3.2 計算所有輸入 token 的注意力權重
3.4 使用「可訓練權重」實作自注意力機制
- 3.4.1 逐步計算注意力權重
- 3.4.2 實作一個精簡的自注意力 Python 類別
3.5 使用因果注意力遮蔽未來的字詞
- 3.5.1 應用因果注意力遮罩
- 3.5.2 用 dropout 遮蔽額外的注意力權重
- 3.5.3 實作一個精簡的因果注意力類別
3.6 將單頭注意力擴展至多頭注意力
- 3.6.1 堆疊多個單頭注意力層
- 3.6.2 實作具有權重切分的多頭注意力
3.7 重點回顧
▌第 4 章 從零實作 GPT 模型以生成文本
4.1 撰寫 LLM 架構
- 4.1.1 指定模型配置
- 4.1.2 實作 GPT 佔位架構
- 4.1.3 斷詞處理
- 4.1.4 將批次資料輸入到模型
4.2 將輸出進行層歸一化
- 4.2.1 檢查指定維度的輸出平均值和方差
- 4.2.2 層歸一化處理
4.3 實作具有 GELU 激活函數的前饋神經網路
4.4 增加捷徑連接 (Shortcut Connection)
4.5 在 Transformer 模組中連結注意力與線性層
4.6 撰寫 GPT 模型
4.7 生成文本
4.8 重點回顧
▌第 5 章 使用無標籤的資料集進行預訓練
5.1 評估文本生成品質
- 5.1.1 使用 GPT 來生成文本
- 5.1.2 計算文本生成損失
- 5.1.3 計算訓練和驗證損失
5.2 訓練 LLM
- 5.2.1 預訓練 LLM 的主要函式
- 5.2.2 啟動預訓練
5.3 運用文本生成策略 (解碼策略) 來控制隨機性
- 5.3.1 溫度縮放 (Temperature Scaling)
- 5.3.2 Top-k 取樣
- 5.3.3 修改文本生成函式
5.4 在 PyTorch 中載入和儲存模型權重
5.5 從 OpenAI 載入預訓練權重
5.6 重點回顧
▌第 6 章 分類任務微調
6.1 常見的 2 種微調類型
6.2 準備資料集
- 6.2.1 下載資料集
- 6.2.2 平衡資料集
- 6.2.3 轉換為整數類別標籤
- 6.2.4 分割資料集
6.3 建立資料載入器
- 6.3.1 使用 <|endoftext|> 作為填充 token
- 6.3.2 進行斷詞與填充處理
- 6.3.3 實例化資料載入器
6.4 使用預訓練權重初始化模型
6.5 將輸出層更換為分類輸出層
- 6.5.1 檢查模型架構
- 6.5.2 凍結模型
- 6.5.3 替換輸出層,並指定特定層為可訓練狀態
- 6.5.4 只需微調最後一列 token
6.6 計算分類損失與準確率
- 6.6.1 將最後一個 token 轉換為類別標籤的預測值
- 6.6.2 計算各個資料集的分類準確度
- 6.6.3 使用交叉熵損失判斷模型的準確度
6.7 使用監督資料 (Supervised Data) 來微調模型
- 6.7.1 微調模型的訓練函式
- 6.7.2 啟動訓練
- 6.7.3 透過繪製損失函數,判斷模型學習效果
- 6.7.4 計算模型分類任務的準確度
6.8 使用 LLM 做為垃圾訊息分類器
6.9 重點回顧
▌第 7 章 指令微調
7.1 指令微調概述
7.2 準備監督式指令微調的資料集
- 7.2.1 下載資料集
- 7.2.2 將資料集套用提示詞格式
- 7.2.3 分割資料集
7.3 將資料分成多個訓練批次
- 7.3.1 斷詞處理
- 7.3.2 允許不同批次擁有不同序列長度的 collate 函式
- 7.3.3 創建能讓模型學習預測的目標 token ID
- 7.3.4 將填充 token 指定為一個特殊值
7.4 為指令資料集建立資料載入器
- 7.4.1 提升模型訓練效率的 device 設置
- 7.4.2 設置資料載入器
7.5 載入預訓練的 LLM
- 7.5.1 載入現有的 GPT 模型
- 7.5.2 評估預訓練好的模型性能
7.6 使用指令資料集來微調 LLM
- 7.6.1 計算損失
- 7.6.2 訓練模型,將損失最小化
- 7.6.3 檢視訓練與驗證損失曲線
7.7 取得模型生成的回應
- 7.7.1 人工檢查 (肉眼判斷) 模型回應的品質
- 7.7.2 指令微調有多種模型評估方法
- 7.7.3 使用 AlpacaEval 方法前的準備步驟
7.8 評估微調後的 LLM
- 7.8.1 下載 Llama3 模型並啟動 Ollama
- 7.8.2 測試並確保 Ollama 正確運行
- 7.8.3 對微調模型的回應進行評分
7.9 總結
- 7.9.1 未來方向
- 7.9.2 持續學習、掌握脈動
- 7.9.3 結語
7.10 重點回顧
【附錄電子書】
▌附錄 A PyTorch 簡介
A.1 什麼是 PyTorch?
A.2 張量簡介
A.3 以運算圖 (Computation Graph) 來理解模型
A.4 自動微分功能簡介
A.5 實作多層神經網路
A.6 建立高效的資料載入器
A.7 典型的訓練迴圈
A.8 儲存與載入模型
A.9 使用 GPU 優化訓練效能
A.10 重點回顧
▌附錄 B 參考文獻與延伸閱讀
▌附錄 C 練習題解答
▌附錄 D 優化訓練迴圈的方法
D.1 預熱學習率 (Learning Rate Warmup)
D.2 餘弦衰減 (Cosine Decay)
D.3 梯度分割 (Gradient Clipping)
D.4 修改後的訓練函式
▌附錄 E 使用 LoRA 進行參數高效微調 (Parameter-Efficient Fine-tuning)
E.1 LoRA 簡介
E.2 準備資料集
E.3 初始化模型
E.4 使用 LoRA 進行參數高效微調
立即查看
人工智慧:智慧型系統導論3/e (3版)
相關熱銷的書籍推薦給您
書名:人工智慧:智慧型系統導論(第三版)
作者:李聯旺
出版社:全華
ISBN:9789862800959
立即查看
少年Py的大冒險-成為Python AI深度學習達人的第一門課(附範例光碟) (1版)
類似書籍推薦給您
少年Py的大冒險-成為Python AI深度學習達人的第一門課(附範例光碟)
ISBN13:9786263282964
出版社:全華圖書
作者:蔡炎龍;林澤佑;黃瑜萍;焉 然
裝訂/頁數:平裝/400頁
附件:CD
規格:26cm*19cm*2cm (高/寬/厚)
重量:772克
出版日:2022/09/23
中國圖書分類:電腦程式語言
內容簡介
近年來人工智慧最主要的重心在深度學習,也是因深度學習有許多突破性的發展,而讓人工智慧有了許多以前意想不到的應用。本書承襲前作《少年 Py的大冒險:成為Python數據分析達人的第一門課》的風格,藉由輕鬆活潑的方式,從基本的原理開始,讀者可一步步跟著書中每個冒險,成為可以活用AI的深度學習達人!
本書規劃三個篇章,共41種冒險。從AI的原理、怎麼思考所需的AI模型開始說明,接著介紹神經網路三大天王(DNN、CNN、RNN),並大量運用Gradio這個有趣的套件,把書中的AI模型做成網路應用程式。
本書也介紹了如何用Hugging Face的transformers套件打造有趣的自然語言處理應用,以及使用DeepFace打造人臉辨識、情緒辨識等等。對於生成對抗網路(GAN)及強化學習也有相當詳細地說明。
本書特色
1.以三大篇章,共41種冒險旅程,成為可以活用AI的深度學習達人。
2.書中以各種有趣的範例,如:用電腦創作歌詞、使用DeepFace打造人臉辨識、情緒辨識等引發學習興趣。
3.書末以「股票的自動交易系統」為專題,從資料整理與程式實作兩方面做整合性的應用。
4.輕鬆活潑的筆調,搭配可愛的插圖,以圖解化方式加深學習印象。
目錄
第1篇【啟程】打造裝備,踏上深度學習冒險旅程
【工具準備】
冒險 01 Colab 免安裝的深度學習環境
冒險 02 瞭解Colab 的檔案系統
冒險 03 用Anaconda 在自己電腦打造深度學習環境
冒險 04 互動模式的復習
冒險 05 用 Gradio 神速打造 Web App!
【人工智慧概念】
冒險 06 人工智慧就是問個好問題,化成函數的形式學個函數!
冒險 07 打造函數學習機三部曲
冒險 08 運用深度學習的種種想法
第2篇【冒險】深度學習的三大天王
【全連結神經網路】
冒險 09 神經網路的概念和全連結神經網路
冒險 10 神經網路的學習方式
冒險 11 實作手寫辨識:MNIST 數據集
冒險 12 打造全連結神經網路函數學習機
冒險 13 讀回我們的 model, 用 gradio 瞬間打造網路 app!
【圖形辨識天王 CNN】
冒險 14 圖形辨識天王 CNN
冒險 15 用 CNN 做圖形辨識 - 資料處理篇
冒險 16 三部曲打造圖形辨識 CNN
冒險 17 Cooper 真的是馬爾濟斯嗎?使用名門 CNN 幫助辨識!
冒險 18 遷移式學習做八哥辨識
【有記憶的神經網路 RNN】
冒險 19 神經網路三大天王之有記憶的 RNN
冒險 20 IMDb 評論情意分析問題介紹
冒險 21 打造 RNN 情意分析函數學習機
冒險 22 打造真的可以使用的情意分析
冒險 23 RNN 技巧討論
冒險 24 《紅樓夢》生成器
冒險 25 打造自己的 Tokenizer(文字型資料的處理)
第3篇【回歸】發揮創意,看到 AI 的無限可能
【Attention 和 transformer】
冒險 26 RNN 看成 Encoder-Decoder Structure
冒險 27 Attention 注意力模式的概念
冒險 28 有機會成為第四大天王的變形金剛 transformer
冒險 29 芝麻街自然語言新時代
冒險 30 用 transformers 快速打造文字生成器
冒險 31 讓我們做歌詞產生器網路 App!
【生成模式和 GAN】
冒險 32 神經網路的另一個打造方式
冒險 33 Functional API 介紹
冒險 34 簡單找表示向量的方法 Autoencoder
冒險 35 創作型的神經網路 GAN
冒險 36 有趣的 GAN 應用
冒險 37 FaceNet 和特徵表現向量的尋找
冒險 38 用 DeepFace 來做人臉辨識!
【強化學習和 DQN】
冒險 39 強化學習的介紹
冒險 40 自動交易系統:資料整理篇
冒險 41 自動交易系統:程式實作篇
立即查看
【簡介】
本書屬於刑事法學領域,建構出一套結合少年事件處理法學理與實務之教材。新版聚焦於目前現行實務與2024年5月草案發布之部分。
本書主要分為兩部分,其一在於對少年事件處理法的學理有基礎認知,其二是介紹目前少年事件實務處理流程,透過學理與實務的結合,除可供大學學生作為教材,對於將來有志從事司法人員更是不可或缺的書籍。
與一般傳統教科書很大的不同是,本教材主要以因應公職考試之少年調查保護官考試、監獄官考試以及一般大學、研究所少年事件處理法相關課程所用。
【目錄】
‧第一章 少年事件處理法之立法目的及原則
第一節 少年事件處理法之立法目的、歷年修法重點/3
第二節 少年事件處理法之特徵與原則/18
‧第二章 少年保護事件
第一節 少年保護事件適用對象、範圍及事件來源/28
第二節 強制處分(同行、協尋、收容、責付等)/53
第三節 調查階段之規定/75
第四節 審理階段之規定/107
‧第三章 保護處分種類及執行
第一節 訓誡,並得以假日生活輔導定義與執行/124
第二節 交付保護管束並命為勞動服務/133
第三節 安置輔導/151
第四節 令入感化教育處所施以感化教育/163
第五節 禁戒、治療/193
第六節 抗告及重新審理/200
‧第四章 少年刑事案件
第一節 少年刑事案件事件與年齡管轄/207
第二節 少年刑事案件審判/214
第三節 徒刑之執行與刑事處分執行之處所:法務部矯正署明陽中學/225
‧第五章 附 則
第一節 少年保護事件與刑事案件資訊保密/236
第二節 親職教育輔導處分/241
附 錄
一、少年事件處理法/259
二、少年事件處理法施行細則/280
三、少年法院與相關機關處理少年事件聯繫辦法/284
四、兒童及少年福利與權益保障法/299
五、少年偏差行為預防及輔導辦法/330
六、少年保護事件審理細則/334
七、司法院大法官釋字第664號解釋/344
八、保安處分執行法/346
九、少年及家事法院組織法/358
十、少年觀護所設置及實施通則/365
十一、少年矯正學校設置及教育實施通則/370
十二、少年矯正學校學生累進處遇分數核給辦法/383
十三、司法院大法官釋字第805號解釋/387
十四、少年輔導委員會設置及輔導實施辦法/391
十五、因應本法修法後之「少年及兒童保護事件執行辦法」之變革/396
十六、兒童及少年受安置輔導或感化教育之學籍轉銜及復學辦法/400
立即查看
牽風箏的人Ⅳ:戲劇教育與迷途少年的生命故事 (1版)
類似書籍推薦給您
【簡介】
風會繼續吹,斷線的風箏也有機會透過牽風箏的人帶回我們的身邊。
本書集結了「牽風箏的人」在全國慈輝班的深耕成果,透過戲劇教育改變學生生命的真實故事。本書聚焦於慈輝班學生的內心成長歷程,從迷惘到找到自信,從破碎到完整,展現了藝術如何成為引領人生方向的重要力量。
透過戲劇課程的陪伴,這些曾被標籤為問題少年的學生,重新發現了自己的潛力與價值。本書不僅分享感人的故事,也提供了一套教育工作者如何以戲劇啟發學生的實踐經驗。
「風箏計畫」自 2014 年啟動,於 2022 年開始招募「牽風箏的人」,至今已成功擴展至全國八所慈輝班學校,穩定提供戲劇教育課程,陪伴無數學生重拾信心與方向。本書完整記錄了這些生命故事,展現戲劇教育如何改變生命,期盼喚起更多人對戲劇教育的重視與參與。
【目錄】
推薦序:讓我們活出新的故事——耿一偉,國立臺北藝術大學戲劇系兼任助理教授
推薦序:讓我們活出新的故事——容淑華,國立臺北藝術大學師資培育中心主任
看見特殊境遇青少年——青藝盟創辦人、「牽風箏的人」計畫主持人
人生路上,生命最有價值的事——教育部國民及學前教育署
前言
Part 1:包容
我們演的是自己的故事——小柏
站上舞臺展現自己最好的一面——阿晉
把家庭轉換成是對未來人生的動力——婷婷
看見更好的自己——戲劇教師,郭秀春
比起引路人,我想成為同行者——戲劇教師,李孟寰
「風箏日記」:每個人都是一紙風箏——戲劇教師,張馨方看
看見協助青少年的工作價值所在——財團法人林芳瑾社會福利慈善事業基金會
Part 2:相信
家人的愛與戲劇的啟發,讓改變從心底開始——小智
在戲劇裡找到自我,勇敢追夢——小萱
轉身之後,走進戲劇教育裡的探索之旅 ——戲劇教師,黃悅娥
茅塞頓開的瞬間:從學生到成為牽風箏的人——戲劇教師,林芳羽
願迷途的孩子找回生命獨特的價值——財團法人家樂福文教基金會
相信自己擁有圓滿人生的能力——李佳蓉,磊山保險經紀人股份有限公司
Part 3:自信
學習把自律拿回手中,才能擁有自由的人生——小宥
學習與自己和解、與家人和解,看見曙光——小勳
從戲劇找到青春蛻變的自信與歸屬——小晴
從混亂到自由,蛻變成美麗的樣子——戲劇教師,林欣頤
從保護罩到信任,一段戲劇課的成長旅程——戲劇教師,莊馥嫣
從戲劇教育中看見人與人之間最純粹的美好——財團法人張榮發基金會
結語:三千八百公里的努力下,藝術為臺灣永續未來建立基礎
附錄:《牽風箏的人》影響力報告
立即查看
我所遇見的少年犯:韓國少年法官千宗湖,八年間遇見一萬兩千名青少年的故事 (1版)
類似書籍推薦給您
立即查看