Deep Learning: 用Python進行深度學習的基礎理論實作 (1版)

相關熱銷的書籍推薦給您

書名：DEEP LEARNING｜用PYTHON進行深度學習的基礎理論實作 出版社：歐萊禮 出版年月：201708 條碼：9789864764846 內容簡介 不走捷徑，幫助您真正搞懂「深度學習」的真義 這是一本與「深度學習」有關的書籍。從入門開始說明，一步一步帶領你瞭解深度學習必須具備的知識。本書可以幫助您了解：深度學習究竟是什麼？有何特色？根據何種原理來運作？ 從零開始，由實做中學習 本書的目標是，盡量避免使用不瞭解內容的「黑盒子」，以基礎的知識為起點，以容易上手的Python撰寫程式，從動手實作的過程中，一步步深入瞭解深度學習。若以車用書籍來比喻這本書的話，這本書並不屬於汽車駕訓教材，而是希望能夠幫助您瞭解車子的原理，而非教您開車的方法。為了瞭解汽車的結構，必須試著打開車子的引擎蓋，將每個零件都拿起來觀察、操作看看。然後盡量用簡單的形狀，篩選出車子的核心部分，就像組合迷你模型般，製作出這台車子。本書的目標，就是透過製作車子的過程，讓你感受到自己實際可以製作出車子，進而熟悉與車子的相關技術。 本書特色： ．利用最少的外部函式庫，使用Python，從零開始實際執行深度學習的程式。 ．說明Python 的用法，讓Python 的初學者也能理解。 ．實際執行Python 的原始碼，同時提供讀者手邊可以進行實驗的學習環境。 ．從簡單的機器學習問題開始，到最後執行精密辨識影像的系統。 ．以淺顯易懂的方式說明深度學習與神經網路理論。 ．針對看似複雜的技術，如誤差反向傳播與卷積運算等，利用實際操作方式說明，幫助理解。 ．介紹在執行深度學習時，有幫助且實用的技巧，包括決定學習率的方法、權重的預設值等。 ．說明Batch Normalization、Dropout、Adam 等最近的趨勢與操作。 ．為什麼深度學習很優秀，為什麼加深層數，就能提高辨識準確度，為什麼隱藏層很重要，仔細說明這些「為什麼」。 ．介紹自動運作、產生影像、強化學習等深度學習的應用範例。 作者介紹 作者簡介 斎藤康毅 1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。 目錄 第一章 Python入門 第二章 感知器 第三章 神經網路 第四章 神經網路的學習 第五章 誤差反向傳播法 第六章 與學習有關的技巧 第七章 卷積神經網路 第八章 深度學習 附錄A Softmax-with-Loss層的計算圖 參考文獻

使用FastAPI建構生成式AI服務｜開發理解豐富脈絡的生成式AI應用 (1版)

類似書籍推薦給您

【簡介】 「軟體開發者與資料科學家必備的實戰資源！Ali以深厚技術與清晰教學，手把手帶你用FastAPI打造可上線的生成式AI服務，從實作中保持領先地位。」 —Joe Rowe，Applied Data Science Partners技術保證與合規主管 「這是一本極實用的生成式AI入門書籍，詳盡說明如何打造真正能運作的服務，非常適合當成邁入 AI 開發領域的首選書籍。」 —Julian Brendel，Vitol資深Python開發者 準備好要用生成式AI打造真正可上線的應用程式了嗎？ 本書以實作為核心，教你如何運用FastAPI網頁框架來設計與部署AI服務。你將學到如何整合模型，處理文字、圖像、音訊與影片，並讓服務與資料庫、檔案系統、網站與API自然串接。無論你是網頁開發者、資料科學家，還是DevOps工程師，本書提供的範例、工具與策略，都能幫你打造高效、可隨需擴展、能即時提供服務的AI應用程式。 作者Alireza Parandeh透過清楚的解說與實際範例來介紹身分驗證、並行、快取，同時結合向量庫的檢索增強生成（RAG）技術。你將學會如何檢驗AI輸出品質、提升效能，以及保護微服務的最佳做法，並利用Docker來部署容器，在雲端自信啟動你的AI應用程式。 ? 建立可與資料庫、檔案系統、網站及API互動的AI服務。 ? 管理並行的AI工作與長時間運行的任務。 ? 透過WebSockets與伺服器傳送事件（SSE），以串流形式傳送AI生成的結果。 ? 使用身分驗證、內容過濾、限流與速率限制機制來保護服務。 ? 透過快取、批次處理與微調技術強化AI效能。 Alireza Parandeh 是獲得英國工程委員會（UK Engineering Council）認證的特許工程師（Chartered Engineer），也是微軟與Google認證的開發者、資料工程師與資料科學家。 #FastAPI #生成式AI #AI服務/應用開發 #RAG #Docker部署AI #Context-rich AI

寫給程式設計師的深度學習｜使用 fastai 和 PyTorch (Deep Learning for Coders with fastai and PyTorch) 2021 <O`REILLY>

類似書籍推薦給您

寫給程式設計師的深度學習：使用fastai和PyTorch ISBN13：9789865027360 出版社：美商歐萊禮 作者：Jeremy Howard; Sylvain Gugger 譯者：賴屹民 裝訂／頁數：平裝／640頁 規格：23cm*17cm*3cm (高/寬/厚) 出版日：2021/03/17 中國圖書分類：特殊電腦方法 內容簡介 建構AI應用程式，您不必拿PhD 　　深度學習通常被視為數學博士和大型科技公司的獨門秘術，然而，正如這本指南所言，如果你已經會寫Python，那麼你只要稍微了解數學、取得少量的資料，就可以用最精簡的程式，寫出令人印象深刻的深度學習作品。怎麼做？使用fastai！它是史上第一個以一致的介面來讓你使用最常見的深度學習應用的程式庫。 　　本書作者Jeremy Howard與Sylvain Gugger是fastai的創作者，他們將告訴你如何使用fastai和PyTorch訓練各種任務的模型，並帶領你逐步研究深度學習理論，以充分了解藏身幕後的演算法。 　　‧訓練電腦視覺、自然語言處理、表格式資料和聯合過濾等任務的模型 　　‧學習在實務上最重要且最新的深度學習技術 　　‧釐清深度學習模型如何運作，改善準確度、速度與可靠度 　　‧了解如何將模型轉換成web應用程式 　　‧從零開始實作深度學習演算法 　　‧思考作品的道德意義 　　‧從PyTorch的聯合創始人Soumith Chintala的前言獲得真知灼見 好評推薦 　　「這是程式員精通深度學習的最佳資源之一。」 —Peter Norvig，Google研究總監 　　「本書透過實際的操作，以簡單且實用的方法揭開深度學習的神秘面紗。」 —Curtis Langlotz，史丹佛大學醫學及成像人工智慧中心主任 目錄 第一部分 深度學習實務 第一章 你的深度學習旅程 第二章 從模型到生產 第三章 資料倫理 第二部分 了解 fastai 的應用 第四章 在引擎蓋下：訓練數字分類模型 第五章 圖像分類 第六章 其他的電腦視覺問題 第七章 訓練先進模型 第八章 協同過濾 第九章 表格模型 第十章 NLP：RNN 第十一章 使用 fastai 的中層API 來處理資料 第三部分 深度學習基礎 第十二章 從零開始製作語言模型 第十三章 摺積神經網路 第十四章 ResNets 第十五章 應用架構 第十六章 訓練程序 第四部分 從零開始深度學習 第十七章 神經網路基礎 第十八章 用 CAM 來做 CNN 解釋 第十九章 從零開始打造 fastai Learner 第二十章 思想總結 附錄A 建立部落格 附錄B 資料專案檢查表