| 書名: | 生成深度學習｜訓練機器繪畫、寫作、作曲與玩遊戲 第二版 (2版) | |||
| 作者: | David Foster | |||
| 譯者: | CAVEDU 教育團隊 曾吉弘 | |||
| 版次: | 2 | |||
| ISBN: | 9786263248540 | |||
| 出版社: | OREILLY歐萊禮 | |||
| 出版日期: | 2024/11 | |||
| 書籍開數、尺寸: | 23*18.5 | |||
| 頁數: | 450 | |||
|
#資訊
#AI人工智慧與機器學習 |
||||
【簡介】 生成式AI是科技界最熱門的主題。本書以實務導向，教導機器學習工程師與資料科學家們如何使用 TensorFlow 與 Keras 來從頭做出令人讚嘆的生成深度學習模型，包含變分自動編碼器（VAE）、生成對抗網路（GAN）、Transformer、正規化流、能量模型與降噪擴散模型。 本書從深度學習的基礎開始，逐步談到最尖端的架構。透過各種提示與小技巧，您將理解如何讓模型更有效地學習並變得更富有創造力。 ．探索如何使用VAE（變分自動編碼器）來修改照片中的臉部表情 ．訓練各種GAN（生成對抗網路）以根據您專屬的資料集來生成圖像 ．建置擴散模型來生成新品種的花卉 ．自行訓練GPT來生成文字 ．了解像ChatGPT這樣的大型語言模型是如何訓練的 ．探索StyleGAN2與ViT-VQGAN這類最新架構 ．使用變換器（Transformer）和MuseGAN編寫多聲部音樂 ．理解生成世界模型如何解決強化學習任務 ．深入研究DALL.E 2、Imagen和Stable Diffusion這類多模態模型 本書還探討了生成式AI的未來，以及個人和公司如何藉由積極著手運用這項非凡的新技術來創造競爭優勢。 「這是一本淺顯易懂的絕佳入門書，介紹生成建模的各種深度學習套件。如果您喜歡寫點程式並希望將深度學習應用於工作中的創意從業者，這本書保證適合您。」 ——Stability AI策略部門主管David Ha—— 「這本書超級棒，深入介紹了各種最新生成式深度學習背後的所有主要技術。這是對AI中最迷人領域的一趟引人入勝探索之旅！」 ——Keras創辦人François Chollet—— 【目錄】 【第一篇 認識生成深度學習】 chapter 1 生成建模 什麼是生成建模？ chapter一個生成式模型 核心機率理論 生成模型分類 生成深度學習程式庫 chapter 2 深度學習 深度學習的資料 深度神經網路 多層感知器（MLP） 卷積神經網路（CNN） 【第二篇 方法】 chapter 3 變分自動編碼器 簡介 自動編碼器 變分自動編碼器 探索潛在空間 chapter 4 生成對抗網路 簡介 深度卷積生成對抗網路（DCGAN） 具梯度懲罰的 Wasserstein GAN（WGAN-GP） 條件生成對抗網路（CGAN） chapter 5 自迴歸模型 簡介 長短期記憶網路（LSTM） 遞歸神經網路（RNN）的延伸 PixelCNN chapter 6 正規化流模型 簡介 正規化流 RealNVP 其他正規化流模型 chapter 7 能量模型 簡介 能量模型 總結 chapter 8 擴散模型 簡介 降噪擴散模型（DDM） 總結 【第三篇 應用】 chapter 9 Transformer 簡介 GPT 其他 Transformer 模型 總結 chapter 10 進階 GAN 簡介 ProGAN StyleGAN StyleGAN2 其他重要的 GAN chapter 11 音樂生成 簡介 音樂生成的 Transformer 模型 MuseGAN 總結 chapter 12 世界模型 簡介 強化學習 世界模型概述 收集隨機推演資料 訓練 VAE 收集資料以訓練 MDN-RNN 訓練 MDN-RNN 訓練控制器 夢境訓練 chapter 13 多模態模型 簡介 DALL.E 2 Imagen Stable Diffusion Flamingo chapter 14 結語 生成式 AI 的時間軸 生成式 AI 的現狀 生成式 AI 的未來 最終想法 索引
還沒有人留下心得，快來搶頭香！
為您推薦
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
相關熱銷的書籍推薦給您
書名：機器學習：類神經網路、模糊系統以及基因演算法則(第四版) 作者：蘇木春、張孝德 出版社：全華 出版日期：2016/05/00 ISBN：9789864632060 內容簡介 ■ 本書優點特色 1.將三種與機械學習相關的技術-類神經網路、模糊系統及基因演繹法作一通盤介紹。 2.以深入淺出的方式建立類神經網路與生物神經網路的關聯性，以便讓讀者更能發揮想像力。 3.每一種理論都儘可能配合書中範例及圖表加以說明。 ■ 內容簡介 本書將三種與機械學習相關的技術-類神經網路、模糊系統及基因演繹法作一通盤介紹。此外，作者以深入淺出的方式建立類神經網路與生物神經網路的關聯性，以便讓讀者更能發揮想像力。 目錄 第1章 類神經網路之簡介 第2章 感知機 第3章 多層感知機 第4章 非監督式類神經網路 第5章 聯想記憶 第6章 增強式學習 第7章 模糊集合 第8章 模糊關係及推論 第9章 模糊系統 第10章 基因演算法則
類似書籍推薦給您
書名：生成深度學習：訓練機器繪畫、作曲、寫作與玩遊戲 作者：Foster(曾吉弘) 出版社：歐萊禮 出版日期：2020/06/01 ISBN：9789865024901 內容簡介 生成建模是 AI 最熱門的主題之一。現在已經能教導機器來達到媲美人類的水準，例如繪畫、寫作與作曲。本書可以幫助機器學習工程師與資料科學家理解如何重建生成深度學習模型中那些令人驚豔的範例，像是變分自動編碼器、生成對抗網路(GAN)、編碼器-解碼器模型與世界模型。 本書示範了各種技術的運作方式，從運用Keras說明深度學習的基礎概念開始，深入各領域的最頂尖技術。藉由各種提示與小技巧，幫助您理解如何讓模型的學習更有效率更有創意。 本書精彩內容 ．如何使用變分自動編碼器來改變照片中的臉部表情 ．從頭開始打造實用的 GAN 範例，包括用於風格轉換的 CycleGAN 與可生成音樂的 MuseGAN ．建立可生成文字的循環生成模型，並應用注意力機制來讓模型更厲害 ．介紹為什麼生成模型有助於軟體代理在強化學習環境中達成各種任務 ．介紹 Transformer (BERT, GPT-2)、ProGAN與StyleGAN 這類影像生成模型之架構 名人推薦 “想理解生成建模的各種深度學習工具的話，本書是絕佳的入門指南。如果你是喜歡修改程式碼且希望在作品中導入深度學習的創意實作派，本書一定適合你。” —David Ha，Google Brain研究科學家
類似書籍推薦給您
【簡介】 內容簡介:★ NVIDIA DLI 深度學習機構白金級認證講師專業講解 ★ ★ 完整解析 NVIDIA Jetson 邊緣運算電腦，最新的 Jetson Orin Nano Super 算力飆升1.7倍！【Jetson Orin Nano Super】NVIDIA 執行長黃仁勳盛讚的1.7倍AI算力提升在這裡！【加速運算】NVIDIA Jetson 系列邊緣運算電腦，搭載 CUDA 與 TensorRT 加速技術，實現掌上高速運算的承諾。【立體機器視覺】整合 Intel RealSense 與 StereoLab ZED 景深攝影機，讓機器人擁有清晰的空間感知能力。【ROS2 作業系統】機器人智慧全面升級，輕鬆實現各種自動化任務。【生成式 AI 應用】在裝置端執行各種大語言、圖像、語音與 Cosmos 等多模態生成模型，讓無限創意在邊緣運算中展翅高飛！ 【目錄】 章節說明:第 1 章 單板電腦與邊緣運算1.1 邊緣運算裝置1.2 單板電腦1.3 NVIDIA 線上資源1.4 NVIDIA Jetson 家族1.5 Jetson Orin Nano 開發套件開箱1.6 總結第 2 章 Jetson Orin Nano 初體驗2.1 Jetson Orin Nano 開機！2.2 基礎系統操作2.3 Jetson Orin Nano Super2.4 總結第 3 章 深度學習結合視覺辨識應用3.1 OpenCV 電腦視覺函式庫3.2 NVIDIA 深度學習視覺套件包3.3 總結第 4 章 整合深度視覺4.1 Intel RealSense 景深攝影機4.2 ZED 景深攝影機4.3 總結第 5 章 ROS2 機器人作業系統5.1 ROS / ROS25.2 NVIDIA Issac ROS5.3 安裝 ROS25.4 RK ROS2 移動平台5.5 ROS2 基本節點5.6 AI 節點5.7 進階應用5.8 總結第 6 章 生成式 AI 結合邊緣運算裝置6.1 淺談生成式 AI6.2 NVIDIA Jetson Generative AI lab6.3 總結
類似書籍推薦給您
【簡介】 ▍專業推薦 (依姓名筆劃排列) 王道維｜國立清華大學物理系教授 / 人文社會 AI 應用與發展研究中心副主任 林筱玫｜台灣人工智慧協會執行長 劉育維｜人工智慧解決方案專家暨網路作家 ▍獨角獸新創公司 Preferred Networks 創辦人 ▍2022 年日本「現代の名工」獲獎者 ▍閱讀千篇論文的深厚學識精華 ✧✦AI 神人親自講解深度學習的技術奧秘！✦✧ 千變萬化的 AI 應用，核心都是「深度學習」。 掌握深度學習，才能迎接 AI 世代的新挑戰！ 【基礎概念：深度學習的特色、與機器學習的不同】 認識機器學習的不同類型，詳細瞭解神經網路、特徵學習、反向傳播，如何使深度學習脫穎而出。 【發展進化：正規化層、跳躍連接、注意力單元】 深入解說這三項核心技術的數學原理，認識深度學習克服各種困難、大幅進化的歷程。 【實際應用：影像辨識、語音辨識、自然語言處理】 綜合以上基礎，說明深度學習從輸入到輸出完整執行實際任務的過程，以及各種基礎技術在不同應用領域所擔任的重要角色。 【技術回顧：AI 發展的坎坷與突破】 早在 1956 年提出的 AI，為何數十年間乏人問津？深度學習又是如何重燃 AI 的火種？回顧 AI 發展，更能洞察未來方向。 ★特別收錄：精選基礎數學★ 把學校的數學課忘光了也不用怕！附錄彙整深度學習的必要數學知識，有疑問隨時翻閱，回頭立刻跟上大師講解。 本書不含： ✗走馬看花的簡略介紹 ✗只用大量文字描述數學概念 ✗只挑知名的技術做單元介紹 本書注重： ✓各技術運作方式的詳盡解說與參考文獻 ✓大量圖片表達技術要旨、實際數學式演示過程 ✓各技術發展背景與傳承脈絡，描繪深度學習的改革史 ✧✦探索 AI 奧祕絕不該錯過的精采好書！✦✧ 本書特色: ◆難度由淺入深，從基礎數學開始紮穩根基 書中數學式從符號開始一一解說，各種計算及推導都仔細說明，書末更附上基礎數學補充，數學課忘光也不怕 ◆核心關鍵技術一網打盡，完整掌握深度學習 學習模型 / 損失函數 / 梯度下降法 / 反向傳播 / 卷積層 / 循環層 / 閘控機制 / 激活函數 / 正規化 / 跳躍連接 / 注意力單元……核心技術全面涵蓋 ◆插圖、文字、數學式，三管齊下詳盡講解 - 以圖示勾勒整體概念 - 以文字解構問題並說明思路 - 以數學式演示技術流程 3 方向完整拆解、充分理解，讀懂原理不必再囫圇吞棗 ◆從背景到傳承，清楚描繪技術發展脈絡 偉大的技術，即是解決過去的問題，並提出未來的問題；本書清楚描繪核心技術環環相扣的進化史，更能展望 AI 未來的新發展 【目錄】 第 1 章 深度學習與人工智慧 為何深度學習能夠成功 1.1 何謂深度學習？什麼是人工「智慧」？ 1.2 深度學習迅速發展的背景 1.3 深度學習的計算資源 1.4 人工智慧的歷史 1.5 未來將如何應用深度學習？ 1.6 本章小結 第 2 章 機器學習入門 何謂電腦的「學習」？ 2.1 機器學習的背景知識 2.2 模型、參數與資料 2.3 普適能力 — 能否處理未知資料？ 2.4 學習的方法 — 監督式學習、非監督式學習與強化式學習 2.5 問題設定的分類學 2.6 機器學習的基本 — 了解機器學習的各種概念 2.7 以機率模型理解機器學習 2.8 本章小結 第 3 章 深度學習的技術基礎 組合資料轉換的「層」實現特徵學習的效果 3.1 特徵學習 — 「標示特徵」的重要性及挑戰 3.2 深度學習的基礎知識 3.3 神經網路是什麼樣的模型？ 3.4 神經網路的學習 3.5 反向傳播 — 有效率地計算梯度 3.6 神經網路的主要組成元素 3.7 本章小結 第 4 章 深度學習的發展 改善學習與預測的正規化層╱跳躍連接╱注意力單元 4.1 將「學習」由理論化為現實的基礎技術 — 類似ReLU的激活函數 4.2 正規化層 4.3 跳躍連接 4.4 注意力單元 — 根據輸入，動態改變資料傳遞方式 4.5 本章小結 第 5 章 深度學習的應用技術 大幅進化的影像辨識、語音辨識、自然語言處理 5.1 影像辨識 5.2 語音辨識 5.3 自然語言處理 5.4 本章小結 附錄 精選基礎 深度學習所需的數學概念 A.1 線性代數 A.2 微分 A.3 機率
資訊
工程
數學與統計學
機率與統計
自然科學
健康科學
地球與環境
建築、設計與藝術
人文與社會科學
教育
語言學習與考試
法律
會計與財務
大眾傳播
觀光與休閒餐旅
考試用書
研究方法
商業與管理
經濟學
心理學
生活
生活風格商品
參考書/測驗卷/輔材
