精確掌握 AI 大趨勢！深度學習技術解密：日本 AI 神人，帶你正確學會從機器學習到生成式 AI 的核心基礎 (1版)

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