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
立即查看
機器學習－從理論到實作攻略 (1版)
類似書籍推薦給您
【簡介】
本書內容兼顧理論與實務，用大量示意圖與範例，幫助讀者建立機器學習的基本概念。第一章介紹機器學習的基本概念與類型，幫助讀者快速入門。第二章深入探討監督式學習，涵蓋多種經典演算法，如線性回歸、決策樹與神經網路等。第三章則介紹非監督式學習，重點講解資料探索與聚類方法。第四章專注於模型評估與優化，幫助讀者提升模型性能。最後，第五章通過台股數據分析與YOLO物件辨識兩個實戰專案，讓讀者實際應用所學知識，開啟機器學習與深度學習的探索之旅。
本書特色
1.強調實作與錯誤學習：本書不僅講解理論，還鼓勵讀者動手實踐，以實際應用深化理解。
2.系統化的學習路徑：以示意圖與簡單範例帶領讀者進入機器學習，逐步深入監督式與非監督式學習，最終挑戰更進階的AI應用。
3.提供完整的學習支援：書中還整理了機器學習的專業術語，並附有環境安裝指南，讓更多人能輕鬆入門機器學習。
4.豐富的線上教學資源：作者經營YouTube頻道「工程師の師」，提供多樣化的教學影片，作為書本內容的延伸學習資源。
【目錄】
第一章 機器學習新手上路
1-1 什麼是機器學習
1-2 機器學習的種類
1-3 免費練習開發平台
1-4 機器學習步驟
第二章 監督式學習
2-1 線性回歸 Linear Regression
2-2 支援向量機 Support Vector Machine
2-3 單純貝氏分類器 Naïve Bayes Classifier
2-4 決策樹Decision Tree
2-5 隨機森林 Random Forest
2-6 神經網路 Neural Network
2-7 近鄰演算法 K-Nearest Neighbors
第三章 非監督式學習
3-1 主成分分析 Principal Components Analysis
3-2 非負矩陣 Non-negative Matrix Factorization
3-3 平均分群演算法 K-means
3-4 高斯混合分布 Gaussian Mixture Models
第四章 評估方法與訓練技巧
4-1 分類問題評估
4-2 回歸問題評估
4-3 交叉驗證 Cross-Validation
4-4 批次量 Batch Size
第五章 最終挑戰—實戰應用
5-1 AI 股票理財專家
5-2 YOLOv9 物件辨識
結語
附錄
附錄一 專有名詞解釋
附錄二 環境安裝
附錄三 參考文獻
習題
立即查看
機器學習─Python程式實作 (1版)
類似書籍推薦給您
【簡介】
內容涵蓋機器學習三大主題：監督式學習、無監督式學習與強化式學習。
採用生動活潑的範例，以深入淺出、圖文並茂的方式，建立良好的理論基礎。
搭配 Python 程式實作，實現「做中學」的學習理念。
提供豐富的學習資源，包含：數學背景、練習題等，厚植機器學習技術研發能力。
【目錄】
Chapter 1 介 紹
Chapter 2 端到端機器學習
Chapter 3 迴 歸
Chapter 4 貝氏分類器
Chapter 5 k-最近鄰
Chapter 6 支援向量機
Chapter 7 決策樹
Chapter 8 隨機森林
Chapter 9 提升方法
Chapter 10 類神經網路
Chapter 11 k-Means分群
Chapter 12 DBSCAN
Chapter 13 高斯混合模型
Chapter 14 主成分分析
Chapter 15 t-SNE
Chapter 16 強化式學習
附錄 數學背景
習題參考解答
參考文獻
立即查看
架構資料與機器學習平台｜雲端啟動分析與AI驅動的創新 (1版)
類似書籍推薦給您
【簡介】
＊全面掌握雲端資料與AI平台設計關鍵
＊實戰導向，靈活運用AWS、Azure、Google Cloud、Snowflake、Databricks
＊從基礎到進階，打造符合企業需求的現代化資料平台
＊強化資料治理，加速AI/ML創新，驅動決策智慧
無論你是資料架構師、工程師，或是希望運用AI強化決策的企業領導者，本書都將成為你打造未來資料與機器學習平台的最佳指南！
在資料驅動的時代，企業該如何善用資料創造價值？
本書由三位資深工程師聯手打造，為雲端架構師與資料專業人士提供了一套清晰完整的解決方案。從雲端資料平台的設計到AI與機器學習的整合，帶您走過資料現代化的每一步。無論是整合分散的資料、實現即時決策，還是利用AI解鎖創新潛力，本書都提供了實用的架構與工具，幫助你在雲端時代保持優勢。
「本書完整介紹，如何依據企業組織的策略方向，設計與建置現代雲端資料與ML平台的概念、模式與元件。真希望我能在多年前就能讀到這本書。」 —Robert Sahlin，Mathem資料平台主管
所有的雲端架構師都必須知道如何建置資料平台，以賦與企業能夠快速高效地做出資料驅動的決策，並在整個企業範圍內提供智能化服務。本書將展示如何使用AWS、Azure、Google Cloud以及Snowflake與Databricks這類多重雲端工具，設計、建置與現代化雲端原生資料與機器學習平台。
作者Marco Tranquillin、Valliappa Lakshmanan與Firat Tekiner使用真實世界企業架構來說明，內容涵蓋從雲端匯入到啟動整個資料生命週期。你將學到如何轉換、保全與現代化資料倉儲與資料湖這些熟悉的解決方案，也將能充份利用最新的AI/ML模式取得精準且快速的洞見，提升競爭優勢。
你將學會：
＊設計現代化且安全的雲端原生或混合資料分析與機器學習平台
＊透過將企業資料整合到治理良好、可擴充的與彈性的資料平台，加速資料導向的創新。
＊民主化存取企業資料，治理業務團隊提取洞見方式與建置AI/ML的能力。
＊讓您的企業利用串流管道即時決策
＊建置MLOps平台，移往預測性與指示性分析
【目錄】
第一章 資料平台現代化：簡介
第二章 資料創新的策略性作法
第三章 設計資料團隊
第四章 遷移框架
第五章 架構資料湖
第六章 企業資料倉儲的創新
第七章 湖倉融合
第八章 串流架構
第九章 混合與邊緣擴展資料平台
第十章 AI應用架構
第十一章 架構ML平台
第十二章 資料平台現代化：模型案例
立即查看
全民瘋 AI 系列：經典機器學習 (1版)
類似書籍推薦給您
【簡介】
全民瘋 AI 系列 - 經典機器學習
https://youtu.be/JAlwnGNOLsY
✴︎ 全方位解析AI應用，揭開機器學習開發中常見的十大新手陷阱。
✴︎ 從模型訓練到實際落地，全面掌握AI技術在真實世界中的應用與價值。
✴︎ 資料視覺化、清理、正規化與標準化，為AI模型做好全面準備。
✴︎ 非監督與監督學習技術解析，涵蓋分群、迴歸與分類，結合實際應用。
✴︎ 搭配十三種經典實務範例，深入掌握模型構建與優化技巧。
✴︎ 模型落地實踐與整合應用，結合FastAPI打造完整AI應用服務。
【目錄】
第 1 章 中國固定收益市場介紹
1.1 債券與債券市場概念
1.1.1 債券
1.1.2 債券市場
1.2 債券品種分類
1.2.1 按付息方式分類
1.2.2 按發行主體信用分類
1.2.3 按發行主體類型分類
1.2.4 按幣種分類
1.3 中國債券市場的發展、監管與業務
1.3.1 中國債券市場的發展沿革
1.3.2 中國債券市場監管系統
1.3.3 中國債券市場交易業務
1.4 本章小結
第 2 章 債券的計息基準與應計利息的計算
2.1 中國債券常見計息基準
2.1.1 附息債券
2.1.2 利隨本清債券
2.1.3 貼現、零息債券
2.2 其他計息基準
2.2.1 實際/360
2.2.2 30/360
2.2.3 實際/365F
2.2.4 實際/365
2.2.5 實際/ 實際（ISDA）
2.3 本章小結
第 3 章 債券的淨價、全價與到期收益率的計算
3.1 淨價與全價
3.2 到期收益率的計算
3.2.1 單利計算的類型
3.2.2 複利計算的類型
3.3 本章小結
第 4 章 收益率曲線與建構
4.1 債券收益率曲線的建構方法
4.1.1 中國不同機構債券收益率曲線的建構方法
4.1.2 外國債券收益率曲線的建構方法
4.2 債券到期收益率曲線的建構
4.2.1 擬合法
4.2.2 插值法
4.3 債券即期收益率曲線的建構
4.3.1 拔靴法（bootstrapping）
4.3.2 NS 模型與NSS 模型
4.4 債券遠期收益率曲線的建構
4.5 本章小結
第 5 章 債券的估值與風險計量
5.1 固定利率債券的估值
5.1.1 固定利率債券現值的計算
5.1.2 G-spread 與Z-spread
5.1.3 固定利率債券風險指標的計算
5.2 浮動利率債券的估值
5.2.1 浮動利率債券現值的計算
5.2.2 浮動利率債券風險指標的計算
5.3 含權債券的深入理解與估值
5.3.1 行權估值與到期估值
5.3.2 遠期收益率判斷法估值
5.3.3 Hull-White 模型估值
5.4 債券的關鍵利率久期
5.4.1 單券的關鍵利率久期
5.4.2 組合的關鍵利率久期
5.5 債券的風險價值與預期損失
5.5.1 單券的風險價值與預期損失
5.5.2 組合的風險價值與預期損失
5.6 本章小結
第 6 章 債券的會計與損益歸因分析
6.1 新會計準則下債券SPPI 分析
6.2 債券的攤餘成本法
6.2.1 攤餘成本的基本原理
6.2.2 攤餘成本的每日計算
6.3 債券的會計損益分析
6.4 債券投資的損益分解
6.5 Campisi 績效歸因
6.5.1 Campisi 三因素歸因
6.5.2 Campisi 六因素歸因
6.6 本章小結
第 7 章 債券現券交易方式
7.1 銀行間現券交易方式
7.1.1 意向報價
7.1.2 對話報價
7.1.3 請求報價
7.1.4 做市報價
7.1.5 指示性報價
7.1.6 匿名點擊
7.2 交易所現券交易方式
7.2.1 匹配成交
7.2.2 點擊成交
7.2.3 詢價成交
7.2.4 協商成交
7.2.5 競買成交
7.3 本章小結
第 8 章 回購與債券借貸
8.1 質押式回購
8.1.1 銀行間質押式回購
8.1.2 交易所質押式回購
8.1.3 質押式回購的功能
8.2 買斷式回購
8.2.1 買斷式回購的基本原理
8.2.2 買斷式回購的功能
8.3 債券借貸
8.3.1 債券借貸的基本原理
8.3.2 債券借貸的功能
8.4 本章小結
第 9 章 國債期貨與標準債券遠期
9.1 國債期貨
9.1.1 中金所國債期貨簡介
9.1.2 國債期貨的功能
9.1.3 國債期貨常見指標的計算
9.2 標準債券遠期
9.2.1 標準債券遠期簡介
9.2.2 標準債券遠期的功能
9.2.3 標準債券遠期常見指標的計算
9.3 本章小結
第 10 章 利率互換
10.1 利率互換介紹
10.1.1 利率互換簡介
10.1.2 利率互換的功能
10.1.3 利率互換的交易要素
10.1.4 利率互換的交易曲線系統
10.1.5 利率互換的交易與利息計算-
10.2 利率互換即期與遠期收益率曲線的建構
10.2.1 利率互換即期收益率曲線的建構
10.2.2 利率互換遠期收益率曲線的建構
10.3 利率互換的估值與風險計量
10.3.1 估值原理與步驟
10.3.2 Shibor3M 利率互換的估值
10.3.3 FR007 利率互換的估值
10.3.4 利率互換的DV01 與利率互換關鍵期限的DV01
10.3.5 利率互換的風險價值與預期損失
10.4 本章小結
第 11 章 利率期權
11.1 利率上下限期權介紹
11.1.1 利率上限期權與利率下限期權
11.1.2 利率上下限期權的功能
11.1.3 利率上下限期權交易要素
11.1.4 利率上限期權與利率下限期權的平價關係
11.2 利率上下限期權波動率曲面的建構
11.2.1 波動率曲面介紹
11.2.2 波動率曲面的常用建構方法
11.2.3 利率上下限期權波動率曲面的具體建構
11.3 利率上下限期權的估值與風險指標
11.3.1 利率上下限期權現值的計算
11.3.2 利率上下限期權風險指標的計算
11.4 利率互換期權介紹
11.4.1 利率互換期權簡介
11.4.2 利率互換期權的功能
11.4.3 利率互換期權的平價關係
11.4.4 利率互換期權的交易要素
11.5 利率互換期權的估值與風險指標
11.5.1 利率互換期權波動率曲面的建構
11.5.2 利率互換期權現值的計算
11.5.3 利率互換期權風險指標的計算
11.6 利率期權風險價值的簡易計算
11.6.1 敏感度一階模型計算風險價值
11.6.2 敏感度二階模型計算風險價值
11.7 本章小結
第 12 章 信用衍生品
12.1 信用衍生品簡介
12.1.1 國內外信用衍生品的發展
12.1.2 信用風險緩釋憑證（CRMW）
12.1.3 CDS/CRMA/ 信用保護合約
12.1.4 CDS 指數
12.1.5 CRM 業務的功能
12.2 CRM 的估值與風險指標
12.2.1 生存曲線的建構
12.2.2 CRM 產品現值的計算
12.2.3 CRM 產品的風險指標計算
12.3 本章小結
附錄A
參考資料
參考圖書
參考文章
參考檔案
立即查看
華通書坊
