Deep Learning: 用Python進行深度學習的基礎理論實作
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
立即查看
【簡介】
人工智慧(Artificial Intelligence，AI)快速發展，儼然成為推動經濟成長、國家安全、與生活福祉的一股驅動力量。AI教育首重於教材編撰與推廣，而市面上相關書籍琳琅滿目，主要分為AI概念介紹、基礎Python程式撰寫，亦或各領域專業程式等，且內容涵蓋專精理論架構與艱深數學模式推導。對於AI學習與普及性而言，容易產生學習品質不良的景況，且缺乏跨領域AI學習的架構與範疇。
本書乃以跨領域AI學習與程式應用為出發點，簡潔扼要圖表說明各領域AI的理論架構及應用層面，每個章節均對應程式設計與範例，均儲存於雲端供讀者下載練習。附件提供讀者立即查詢各項程式指令、套件、函數庫、與模型介紹等資料，並強化跨領域實務操作連結。此外，嘉惠各領域讀者能編寫出Python應用程式，例如智慧產業、智慧金融、決策樹分析、影音辨識、圖像與影像辨識、情緒偵測、現實虛擬系統、與自然語言處理等程式。有效理解並貫穿AI理論與內涵的精義，增進學習品質。對於AI教育的普及性與跨領域程式設計能力的培育，具有加持效果和助力。
【目錄】
立即查看
看圖學Python人工智慧程式設計 (2版)
類似書籍推薦給您
【簡介】
【目錄】
立即查看
Python+TensorFlow人工智慧、機器學習、大數據
類似書籍推薦給您
立即查看
Microsoft Azure AI Services與Azure OpenAI從入門到人工智慧程式開發-使用Python(含MCF AI-900國際認證) (1版)
類似書籍推薦給您
【簡介】
體貼初學者學習Azure AI服務的流程！
Azure AI服務功能介紹 > Azure AI服務申請 > 語法解說 > AI範例實作
■ 專家與教師共同執筆
由微軟AI + Developer 雙領域 MVP與科技大學教師共同編著，針對初學者學習Azure AI領域所應具備的基本素養，所編寫入門教材，內容由淺入深，以引發學習動機為最主要考量，帶領初學者靈活運用Azure AI與Azure OpenAI進行開發AI應用程式。
■ 內容多元且淺顯易懂
對Azure AI服務的理論做深入淺出的說明，同時廣泛列舉相關應用實例，並使用適當的插圖和圖表，說明Azure AI技術的原理和實際運作方案，讓初學者對Azure AI有更進一步的認識。
■ Azure AI服務開發技能
介紹實用的入門開發實作，以培養初學者規劃AI解決方案的能力。實作包含：電腦視覺、OCR光學字元辨識、自訂視覺、臉部偵測與分析、文字分析、問題解答知識庫、翻譯、語音合成以及機器學習分類、迴歸和叢集模型的實作範例，並介紹目前最火紅的Azure OpenAI生成式AI開發聊天機器人與AI繪圖程式；詳盡說明實作的程式碼與操作步驟，培養初學者開發AI應用程式的能力。
■ Microsoft AI-900人工智慧基礎國際認證能力訓練
將認證考試重點融入書中，讀者能藉由練習來了解該章內容重點，同時書末彙整MCF AI-900核心能力國際認證模擬試題，是考取MCF AI-900人工智慧基礎國際認證的最佳教材。
【目錄】
第1章 Microsoft Azure AI 基本概念：使用人工智慧的開始
1.1 人工智慧簡介
1.2 Microsoft Azure AI 簡介
1.3 模擬試題
第2章 負責任的 AI
2.1 AI 造成的道德和社會問題
2.2 了解負責任的AI
2.3 申請Azure 帳戶
2.4 模擬試題
第3章 認識 Colab 程式編輯環境
3.1 Colab 簡介
3.2 安裝 Colab
3.3 Colab 環境簡介
3.4 編輯第一個 Colab 筆記本
3.5 Colab 常用功能
第4章 Gradio 互動式網頁
4.1 簡介認識 Gradio
4.2 Gradio 基本語法介紹
4.3 Gradio 常用的輸出入元件
第5章 探索電腦視覺(一)電腦視覺分析
5.1 Azure AI 視覺簡介
5.2 Azure AI 視覺服務
5.3 Azure AI 服務開發環境與必要條件
5.4 Azure AI 視覺開發實作
5.5 模擬試題
第6章 探索電腦視覺(二)OCR 與文件智慧服務
6.1 光學字元識別 (OCR)
6.2 Azure AI 視覺服務讀取文字
6.3 文件智慧服務和知識採礦
6.4 Azure Al 視覺服務讀取影像文字開發實作
6.5 模擬試題
第7章 探索電腦視覺(三)臉部服務
7.1 臉部辨識服務簡介
7.2 臉部偵測
7.3 臉部分析
7.4 臉部識別
7.5 臉部辨識服務開發實作
7.6 模擬試題
第8章 探索電腦視覺(四)自訂視覺
8.1 自訂視覺簡介
8.2 自訂視覺影像分類
8.3 在 Azure 使用影像分類
8.4 自訂視覺物件偵測
8.5 在 Azure 使用物件偵測
8.6 自訂視覺範例實作
8.7 模擬試題
第9章 探索自然語言處理(一)文字分析
9.1 自然語言處理簡介
9.2 自然語言處理
9.3 使用 Azure AI 語言服務分析文字
9.4 文字分析開發實作
9.5 模擬試題
第10章 探索自然語言處理(二)對話式AI
10.1 對話式AI 簡介
10.2 問題與解答對話系統
10.3 使用交談語言理解建立語言模型
10.4 Azure AI 機器人服務
10.5 自訂問題解答開發實作
10.6 模擬試題
第11章 探索自然語言處理(三)語音與翻譯
11.1 語音辨識與語音合成
11.2 語音服務功能介紹
11.3 文字翻譯
11.4 翻譯服務功能介紹
11.5 文字翻譯開發實作
11.6 語音合成開發實作
11.7 模擬試題
第12章 Azure 機器學習基本原理
12.1 機器學習簡介
12.2 機器學習的工作流程
12.3 機器學習的模型
12.4 分類模型
12.5 迴歸模型
12.6 叢集模型
12.7 模擬試題
第13章 Azure 機器學習實作
13.1 Azure 機器學習服務簡介
13.2 Azure 機器學習設計工具的工作流程
13.3 使用設計工具建立模型
13.4 使用 Azure 機器學習自動化 ML
13.5 使用提示流程建立 AI 應用程式
13.6 模擬試題
第14章 Azure OpenAI
14.1 生成式 AI 簡介
14.2 大型語言模型
14.3 Azure OpenAI 簡介
14.4 Copilots 簡介
14.5 使用提示工程改善生成式 AI 回應
14.6 Azure OpenAI 生成式 AI 應用程式開發實作
14.7 模擬試題
附錄A MCF AI-900 人工智慧基礎國際認證模擬試題
看更多
立即查看
一行指令學Python：用機器學習掌握人工智慧(第二版)2/e (2版)
類似書籍推薦給您
一行指令學Python：用機器學習掌握人工智慧(第二版)
作(編/譯)者：徐聖訓
出 版 日 期：2023/3/2
書 號：0644301
I S B N：9786263284067
本書特色：
1. 本書利用Python的sklearn套件做資料預處理。
2. 學習主題「監督式的機器學習模型」包含：簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、K最近鄰、支持向量機、決策樹、隨機森林等。
3. 「非監督模型」介紹Kmeans。
4. 利用ColumnTransformer、管道器設計簡潔的機器學習程式，實作各種模型的正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線等指標。
stop內容簡介：
現在學機器學習，正是最好的年代！
在過去要處理資料，就要用C語言撰寫函數；在Python裡，別人已寫好了許多套件，只要像是在玩樂高積木一樣，就能完成你想要的結果。因此我會說，現在是學機器學習最好的時候，你等於是站在巨人的肩膀上學習。
本書沒有複雜的數學，沒有複雜的程式碼，以有系統的編排，引領你進入機器學習的世界。
我們會介紹sklearn的資料預處理；簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、K最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。而在非監督模型上會介紹Kmeans。
另外，大部分的書不會強調的ColumnTransformer、管道器製作。許多書沒有解釋清楚的模型預測重要指標：正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線，我們也會一次詳細說明，讓你一手掌握。
實例演練時會操作中英文的文字處理，並做情感分析和主題探索。還有知名的大數據資料庫，包括波斯頓房價預測、鳶尾花資料、鐵達尼號資料、威斯康辛大學醫院收集的乳癌腫瘤病患預測、電信公司客戶流失預測、信用卡盜刷預測、Newsgroup新聞群組分類、Amazon商品評論預測、Tripadvisor裡兩家航空公司和數字預測。
最後教大家如何將深度學習的模組也包裝到sklearn。
現在就讓我們一起學習Python，用機器學習掌握人工智慧。
目錄
Ch00 機器學習介紹
第一部分 Python快速複習
Ch01 Python基本功能介紹
Ch02 Pandas DataFrame介紹
第二部分 Sklearn資料預處理
Ch03 資料預處理
第三部分 線性迴歸
Ch04 Simple Regression
Ch05 多元線性迴歸
第四部分 監督式學習
Ch06 羅吉斯迴歸
Ch07 K最近鄰
Ch08 支持向量機
Ch09 決策樹
Ch10 分類預測模板
Ch11 交叉驗證
Ch12 模型參數挑選和網格搜尋
Ch13 組合預測器
Ch14 員工流失率預測
Ch15 客戶流失率預測
Ch16 信用偵測
第五部分 文字分析
Ch17 文字處理
Ch18 Amazon商品評論分析
Ch19 中文文字處理
第六部分 非監督式學習
Ch20 Kmean集群分析
第七部分 深度學習包裝
Ch21 keras深度學習
立即查看
華通書坊
