她的歌：給我們愛過的女歌手 (1版)

類似書籍推薦給您

【簡介】 第一本完整聚焦華語女歌手的音樂概念書 　　＊Podcast聽友口碑傳播，資深樂迷熱烈交流的節目《還在聽》，首度紙本化收藏！ 　　＊十組華語女聲 × 十大主題 = 文字版女聲概念專輯 　　＊奇幻故事線 × 對談式賞析 = 聲音記憶的收藏簿 　　＊集結討論度最高的女歌手 × 找回被遺落的時光 = 私房歌尋寶地圖 　　哪四位八十年代的女歌手，各自象徵春、夏、秋、冬的季節降臨？ 　　哪四位九十年代的女歌手，各自象徵火、土、風、水的宇宙元素？ 　　從飛碟四后、滾石三仙，到張惠妹、李玟、王菲； 　　從江蕙、梅艷芳、林憶蓮，到青春女團與偶像歌手， 　　她們都是樂迷最想念的季節，也是樂迷最想探索的宇宙。 　　曾經，她們唱出我們的心事，現在，換我們為她們寫下故事。 　　話題Podcast節目《還在聽》主持人精選十組對談紀錄。十篇對談就像十首歌，是一張女聲概念專輯，也是一場在文字與耳朵間穿梭的華麗冒險。 　　開場導讀以奇幻敘事「時光花園」打開閱聽的感官空間，接續Podcast風格雙人對話，透過賞析、推薦與註解，製作成一本不同於嚴肅樂評的華語流行音樂文化紀錄專書。 本書特色 　　✔ 首本由Podcast節目延伸創作、首本主題致敬華語女聲的音樂概念書 　　✔ 十個主題 × 十組歌手 × 十張手繪插圖，策展式書寫，呈現華語流行樂的百變樣貌 　　✔ 融合奇幻遊記 × 輕鬆對談 × 音樂賞析，享受多元的新型態閱讀 　　✔ 不只是追憶經典，更是深度凝視女歌手在華語流行樂壇的不朽地位 　　這是寫給： 　　＊ 還記得卡帶、CD與隨身聽的你 　　＊曾在耳機裡悄悄落淚，還想收藏感動的你 　　＊ 想第一次靠近、理解華語經典女聲的你 　　＊那個至今依然「還在聽」的你 　　如同羅大佑曾說：「歌曲，是語言的花朵。」《她的歌》就是由聲音與文字組成的花束，誠摯獻給唱歌的人、寫歌的人、聽歌的人。 　　用一首歌的時間，讓我們再次相遇， 　　老編與榮少爺，將滿滿的心意藏於聲音裡， 　　隨著書頁翻動，音樂響起， 　　獻給每一位在旋律與文字中相識的資深樂迷！   【目錄】 作者序 導讀 Track 1 飛碟四后：蘇芮／王芷蕾／蔡琴／黃鶯鶯 Track 2 樂壇奇花：葉歡 Track 3 滾石三仙：潘越雲／齊豫／陳淑樺 Track 4 九○年代天后Ⅰ： 張惠妹／林憶蓮／張清芳／王菲 Track 5 九○年代天后Ⅱ： 辛曉琪／許茹芸／莫文蔚 Track 6 火一般的歌姬：李玟 Track 7 台語天后：江蕙／陳小雲／陳盈潔／黃乙玲 Track 8 香江四后：梅艷芳／葉蒨文／彭羚／鄭秀文 Track 9 經典玉女歌手：楊林／林慧萍／蘇慧倫／范曉萱 Track 10 經典女團：S.H.E／城市少女／ASOS／星星月亮太陽／ 憂歡派對／少女隊／紅唇族 後記   看更多

糊塗魔女老師套書1＋2：神奇的魔法保健室＋危險的修行（共2冊） (1版)

類似書籍推薦給您

【簡介】 　　★★暢銷作家廣嶋玲子 最新魔法系校園小說★★ 　　小心，魔怪出沒！ 　　原來平靜的校園裡，藏了很多魔怪？！   　　《糊塗魔女老師1：神奇的魔法保健室》   　　史上最迷糊冒失的魔法老師 　　不小心把自己變成倉鼠啦！   　　伊沙奈是超有活力的小學五年級女孩。 　　保健室老師乙千代子以冒失出了名，學生都稱她為糊塗老師。   　　某日，伊沙奈想要找糊塗老師治療燙傷， 　　進入保健室後卻不見老師蹤影，因此意外發現老師的真面目！ 　　原來……糊塗老師是一位魔女！因為變身魔法失敗而成為倉鼠！ 　　為了幫老師恢復原狀，伊沙奈必須借用神奇的魔法道具， 　　使出渾身解數，一定要在短短三天內捕捉「魔物」！   　　《糊塗魔女老師2：危險的修行》    　　魔女的祕密可不能讓人類知道...... 　　你們必須被刪除記憶，除非你們也成為魔女！   　　意外得知魔女祕密的伊莎奈和千種，不得已之下參加了魔女考試，   　　她們要製作掃帚、學習飛行、採集致命藥草、調製魔法藥水，甚至還得消滅潛藏的惡魔…… 　　如果順利合格，就能成為魔女，最重要的是可以保有記憶！   　　身為一般人的伊莎奈和千種，身上沒有「魔氣」， 　　她們有辦法完成考試嗎？況且冒失的糊塗老師還時不時幫倒忙！ 　　前方多災多難，究竟兩人能否一同合作、化險為夷，成功通過考試？   　　▍書籍資訊   　　* 適合國小低中年級自行閱讀。 　　* 附注音，清晰大字好閱讀，附黑白插畫。 　　* 全書字數約3萬字，分章閱讀，循序漸進培養閱讀素養。   書系特色   　　★ 廣嶋玲子最新魔法系校園小說，主要角色為老師與小學生，為低年級以上讀者量身打造令人著迷的故事。 　　★ 情節奇幻且單篇幅短，文字淺白明快、角色鮮活立體，適時搭配插畫，培養讀者的文字閱讀力。 　　★ 以魔法為元素激發想像力，將日常煩惱比喻成「魔物附身」，例如，怕燙是因為被魔物「貓舌」附身。    

糊塗魔女老師2：危險的修行 (1版)

類似書籍推薦給您

【簡介】 　　★★暢銷作家廣嶋玲子 魔法系校園小說 第二彈★★ 　　要是沒有通過魔女考試就會被刪除記憶？ 　　刺激的魔女修行展開，各種意外也接踵而來！    　　魔女的祕密可不能讓人類知道...... 　　你們必須被刪除記憶，除非你們也成為魔女！   　　意外得知魔女祕密的伊莎奈和千種，不得已之下參加了魔女考試， 　　她們要製作掃帚、學習飛行、採集致命藥草、調製魔法藥水，甚至還得消滅潛藏的惡魔…… 　　如果順利合格，就能成為魔女，最重要的是可以保有記憶！   　　身為一般人的伊莎奈和千種，身上沒有「魔氣」， 　　她們有辦法完成考試嗎？況且冒失的糊塗老師還時不時幫倒忙！ 　　前方多災多難，究竟兩人能否一同合作、化險為夷，成功通過考試？   　　★糊塗魔女老師系列   　　伊沙奈是超有活力的小學五年級女孩，某日伊沙奈想要找糊塗老師治療燙傷， 　　進入保健室後卻不見老師蹤影，因此意外發現老師的真面目！ 　　原來……糊塗老師是一位魔女！因為變身魔法失敗而成為倉鼠！   　　◎糊塗魔女老師1：神奇的魔法保健室 　　◎糊塗魔女老師2：危險的修行   　　千種的校園生活還會發生什麼奇妙又有趣的事件呢？敬請期待更多續集推出。   　　▍書籍資訊  　　* 適合國小低中年級自行閱讀。 　　* 附注音，清晰大字好閱讀，附黑白插畫。 　　* 全書字數約3萬字，分章閱讀，循序漸進培養閱讀素養。   系列特色    　　★ 廣嶋玲子最新魔法系校園小說，主要角色為老師與小學生，為低年級以上讀者量身打造令人著迷的故事。 　　★ 情節奇幻且單篇幅短，文字淺白明快、角色鮮活立體，適時搭配插畫，培養讀者的文字閱讀力。 　　★ 以魔法為元素激發想像力，將日常煩惱比喻成「魔物附身」，例如，怕燙是因為被魔物「貓舌」附身。   【目錄】 第1章 開始放暑假  第2章 住宿學習會  第3章 騎乘掃帚  第4章 製藥從蒐集藥材開始  第5章 夜裡出現在學校的惡魔  第6章 糊塗老師失算了 

深度學習詳解｜台大李宏毅老師機器學習課程精粹 (1版)

類似書籍推薦給您

【簡介】 台灣大學電機工程學系 李宏毅教授 ～專文推薦～ 很高興看到Datawhale的王琦、楊毅遠、江季等同學將我的線上錄影轉化為可閱讀的教材，他們的努力使我的教學內容能接觸更多學子。希望這本書能幫助更多人探索深度學習領域，激發更多學子對這個領域的興趣和熱情。 ■ 名師授課精華，一本掌握深度學習核心觀念 台灣大學電機工程學系李宏毅教授開設的「機器學習」與「生成式AI」課程在YouTube上廣受歡迎，累積超過30萬訂閱，影響力橫跨學界與業界。 本書依據李宏毅教授「機器學習」課程中與深度學習相關的內容編寫，並融合近年課程更新重點，為AI學習者提供最完整、最系統化的深度學習知識架構。 ■ 從基礎到進階，完整呈現深度學習關鍵知識 內容包括了深度學習的基礎知識、類神經網路的訓練技巧、生成模型、自監督學習（包括 BERT 和 GPT）、擴散模型、元學習、神經網路壓縮等。此外，還探討了如何解決類神經網路訓練中的常見問題，如局部最小值、鞍點、批次與動量、自動調整學習速率等。 ■ 理論實務兼具，打造易懂又實用的學習體驗 在理論嚴謹的基礎上，本書保留了課程中大量生動有趣的例子，幫助讀者從生活化的角度瞭解深度學習的概念、建模過程與核心演算法細節。適合對深度學習感興趣，想要入門深度學習的讀者閱讀，更可作為深度學習相關課程的教材。 王琦 上海交通大學人工智能教育部重點實驗室博士研究生，碩士畢業於中國科學院大學。Datawhale成員，《Easy RL：強化學習教程》作者，英特爾邊緣計算創新大使，Hugging Face社區志願者，AI TIME成員。主要研究方向為強化學習、計算機視覺、深度學習。曾獲「中國光谷．華為杯」第十九屆中國研究生數學建模競賽二等獎、中國大學生計算機設計大賽二等獎、亞太地區大學生數學建模競賽（APMCM）二等獎，並發表多篇SCI/EI論文。 楊毅遠 牛津大學計算機系博士研究生，碩士畢業於清華大學。Datawhale成員，《Easy RL：強化學習教程》作者。主要研究方向為時間序列、資料探勘、智能傳感系統及深度學習。曾獲中國國家獎學金、北京市優秀畢業生、清華大學優秀碩士學位論文及中國大學生智能汽車競賽總冠軍等榮譽，並發表多篇SCI/EI論文。 江季 網易高級算法工程師，碩士畢業於北京大學。Datawhale成員，《Easy RL：強化學習教程》作者。主要研究方向為強化學習、深度學習、大模型及機器人等。曾獲中國國家獎學金、上海市優秀畢業生等榮譽，並取得多項強化學習與遊戲AI相關專利。 【目錄】 chapter 1 機器學習基礎 1.1 案例學習 1.2 線性模型 chapter 2 實踐方法論 2.1 模型偏差 2.2 最佳化問題 2.3 過擬合 2.4 交叉驗證 2.5 不匹配 chapter 3 深度學習基礎 3.1 局部最小值與鞍點 3.2 批次和動量 3.3 自適化學習率 3.4 學習率排程 3.5 最佳化總結 3.6 分類 3.7 批次正規化 chapter 4 卷積神經網路 4.1 觀察 1：檢測模式不需要整幅圖片 4.2 簡化 1：感知域 4.3 觀察 2：同樣的模式可能出現在圖片的不同區域 4.4 簡化 2：共用參數 4.5 簡化 1 和簡化 2 的總結 4.6 觀察 3：降取樣不影響模式檢測 4.7 簡化 3：池化 4.8 卷積神經網路的應用：下圍棋 chapter 5 遞迴神經網路 5.1 獨熱編碼 5.2 什麼是 RNN 5.3 RNN 架構 5.4 其他 RNN 5.5 LSTM 網路原理 5.6 RNN 的學習方式 5.7 如何解決 RNN 的梯度消失或梯度爆炸問題 5.8 RNN 的其他應用 chapter 6 自注意力機制 6.1 輸入是向量序列的情況 6.2 自注意力機制的運作原理 6.3 多頭自注意力 6.4 位置編碼 6.5 截斷自注意力 6.6 對比自注意力與卷積神經網路 6.7 對比自注意力與遞迴神經網路 chapter 7 Transformer 7.1 序列到序列模型 7.2 Transformer 結構 7.3 Transformer 編碼器 7.4 Transformer 解碼器 7.5 編碼器—解碼器注意力 7.6 Transformer 的訓練過程 7.7 序列到序列模型訓練常用技巧 chapter 8 生成模型 8.1 生成對抗網路 8.2 生成器與判別器的訓練過程 8.3 GAN 的應用案例 8.4 GAN 的理論介紹 8.5 WGAN 演算法 8.6 GAN 訓練的困難點與技巧 8.7 GAN 的效能評估方法 8.8 條件型生成 8.9 CycleGAN chapter 9 擴散模型 9.1 擴散模型產生圖片的過程 9.2 降噪模組 9.3 訓練雜訊預測器 chapter 10 自監督學習 10.1 BERT 10.2 GPT chapter 11 自動編碼器 11.1 自動編碼器的概念 11.2 為什麼需要自動編碼器 11.3 降噪自動編碼器 11.4 自動編碼器應用之特徵解離 11.5 自動編碼器應用之離散隱性表徵 11.6 自動編碼器的其他應用 chapter 12 對抗式攻擊 12.1 對抗式攻擊簡介 12.2 如何進行網路攻擊 12.3 快速梯度符號法 12.4 白箱攻擊與黑箱攻擊 12.5 其他模態資料被攻擊案例 12.6 現實世界中的攻擊 12.7 防禦方式中的被動防禦 12.8 防禦方式中的主動防禦 chapter 13 轉移學習 13.1 領域偏移 13.2 領域自適應 13.3 領域概化 chapter 14 增強式學習 14.1 增強式學習的應用 14.2 增強式學習框架 14.3 評價動作的標準 chapter 15 元學習 15.1 元學習的概念 15.2 元學習的三個步驟 15.3 元學習與機器學習 15.4 元學習的實例演算法 15.5 元學習的應用 chapter 16 終身學習 16.1 災難性遺忘 16.2 終身學習的評估方法 16.3 終身學習問題的主要解法 1chapter 17 網路壓縮 17.1 網路修剪 17.2 知識蒸餾 17.3 參數量化 17.4 網路架構設計 17.5 動態計算 chapter 18 可解釋性機器學習 18.1 可解釋性人工智慧的重要性 18.2 決策樹模型的可解釋性 18.3 可解釋性機器學習的目標 18.4 可解釋性機器學習中的局部解釋 18.5 可解釋性機器學習中的全局解釋 18.6 擴充與小結 chapter 19 ChatGPT 19.1 ChatGPT 簡介和功能 19.2 對 ChatGPT 的誤解 19.3 ChatGPT 背後的關鍵技術—預訓練 19.4 ChatGPT 帶來的研究問題