潛進深度學習：實用工具書 2022 <國立台灣師範大學出版中心>

其他會員也一起購買

潛進深度學習：實用工具書 系列名：新教育叢書 ISBN13：9789865624859 出版社：臺灣師大出版社 作者：Joanne Quinn; Joanne McEachen; Michael fullan; Mag Gardner;Max Drummy 裝訂／頁數：平裝／274頁 規格：26cm*19cm (高/寬) 出版日：2022/05/01 中國圖書分類：教育總論 內容簡介 全球知名教育學者Michael Fullan及其團隊出版了《深度學習：參與世界改變世界》及《潛進深度學習：實用工具書》二書。《深度學習：參與世界改變世界》為教師、學校、學區和系統的能力建設提供了重要的路線圖，用以設計深度學習、衡量進度和評估所需條件，以激發和維持創新。《潛進深度學習：實用工具書》則是立基於《深度學習》的實用工具指南，提供深度學習的綜合方法、架構、工具和操作指引。本書也透過激勵人心的短文和真實案例，描繪學校轉向「深度學習」的新實踐作為，為學校、教師、學區及學習系統提供新的指引。] 目錄 各方推薦 譯者序   第一部 潛進深度學習 第一章 善於學習，善於生活 迫切性 何謂深度學習? 深度學習何以可行? 系統變革和前進之路 啟程   第二章 如何使用這本工具書 啟程 架構 建構深度學習的能力   第二部 深度學習的架構 第三章 深度學習架構 深度學習架構 結語   第四章 深度學習全球素養 定義素養 全球素養(6Cs)的獨一無二的特性 進行中的全球素養 新興的獨到見解:傳統學習與深度學習 連結社會情緒學習、公平和福祉 深度學習與識字力、計算能力和課程成果的連結 啓程 結語 操作指引 短文   第五章 學習設計四要素 學習夥伴關係 學習環境 數位利用 教學實踐 結語 操作指引   第六章 協作探究過程 什麼是協作探究? 學習設計中的協作探究 階段一:評估 階段二:設計 階段三:實施 階段四:檢核、反思與改變 協作評量 學校以及學區的協作評量條件 結語 操作指引   第三部 學習進程 第七章 應用學習進程 架構組織 設計學習 評量學習 回饋 結語 操作指引   第四部 設計深度學習 第八章 深度學習設計 學習設計:關鍵要素 逆向設計 學習設計評量規準 結語 操作指引 工具   第五部 評量實作 第九章 協作評量 協作評量過程 建立規範 管理過程 結語 操作指引   第六部 深度學習能力建構 第十章 教師深度學習的能力 反思實踐 為成功而訓練 結語 操作指引   第十一章 學校深度學習的能力 學校現況評量規準 深度學習入門 規劃深度學習 結語 操作指引 工具   第十二章 學區深度學習的能力 學區現況評量規準 發展學區深度學習計畫 借重訪視學校的力量 結語 操作指引 工具   結語:立即行動 參考文獻 致謝辭 作者群 譯者群

給論文寫作者的進階統計指南：傻瓜也會跑統計Ⅱ(SPSS+R) (2版)

其他會員也一起購買

財經、商管、統計-研究方法與論文寫作-論文寫作 給論文寫作者的進階統計指南：傻瓜也會跑統計Ⅱ (SPSS+R) 作　　者：顏志龍 、鄭中平 出版社別：五南 書　　系：研究&方法 出版日期：2022/12/07(2版1刷) ＩＳＢＮ：9786263435452 書　　號：1H9A 頁　　數：356 開　　數：16K 簡介 「誰說等級低就不能拿勇者之劍？」 本書是《傻瓜也會跑統計I》的續作。延續前作「就算不懂統計，也能跑完統計、寫完論文」的精神，本書希望為不懂統計但卻迫切需要統計的學生們……或是懂統計，但卻必須和不懂統計的學生相依為命的老師們，帶來一些溫暖。 本書的特色有： ✔18種常用的「進階統計操作步驟」—就算不懂統計也能照著這本書跑完統計。 ✔57個「論文書寫範例」—就算看不懂分析結果，也能依著這些範例寫完論文。 ✔25個「統計表格範例」—跟著書中指示去填，就能完成論文所需的表格。 ✔28個可愛的Excel小工具—可以幫你處理一般統計軟體無法處理，但論文需要的統計分析。 ✔32個精采的統計註解—增加你對統計奧密的理解……但可能同時伴隨有助眠的副作用。 ✔2個上了年紀但仍然帥氣的作者……這就不多作解釋了。 相較於前作，本書介紹的是更進階的統計方法。面對進階統計分析的學生，就像剛踏入電玩冒險世界等級還很低的新手，卻必須立刻和血量無盡、攻防爆表的BOSS戰鬥。這時候已經沒有時間再慢慢練等級了，唯一能作的，就是帶上最強的武器裝備，硬著頭皮上陣。本書就是一把能夠立刻上手的勇者之劍；就算你的等級不高，也可以帶著這勇者之劍，平定那守在論文關卡前的統計魔龍！ 目錄 作者序 必讀之章 I 本書結構與使用說明 必讀之章 II 我該用哪一種統計方法？ Unit 28 多變量變異數／共變數分析 Unit 28-1　MANOVA概述 Unit 28-2　MANOVA —SPSS操作 Unit 28-3　MANOVA—統計報表解讀 Unit 28-4　單純效果檢定 Unit 28-5　MANOVA—表格呈現 Unit 28-6　MANOVA—分析結果的撰寫 Unit 29 邏吉斯迴歸 Unit 29-1　邏吉斯迴歸概述 Unit 29-2　邏吉斯迴歸—SPSS操作 Unit 29-3　邏吉斯迴歸—統計報表解讀 Unit 29-4　邏吉斯迴歸—分析結果的表格呈現 Unit 29-5　邏吉斯迴歸—分析結果的撰寫 Unit 30 典型相關分析 Unit 30-1　典型相關分析概述 Unit 30-2　典型相關—SPSS操作 Unit 30-3　典型相關—統計報表解讀 Unit 30-4　典型相關—表格呈現 Unit 30-5　典型相關分析的圖示 Unit 30-6　典型相關分析—結果的撰寫 Unit 31 組內相關係數 Unit 31-1　組內相關係數概述 Unit 31-2　組內相關係數—資料的格式 Unit 31-3　組內相關係數—SPSS操作 Unit 31-4　組內相關係數—統計報表解讀 Unit 31-5　組內相關係數—結果的撰寫 Unit 31-6　將資料轉置為ICC所需格式 Unit 32 群集分析 Unit 32-1　群集分析概述 Unit 32-2　決定群集數—SPSS操作 Unit 32-3　群集分析—SPSS操作 Unit 32-4　群集分析—統計報表解讀 Unit 32-5　群集分析—表格呈現 Unit 32-6　群集分析—分析結果的撰寫 Unit 33 區辨分析 Unit 33-1　區辨分析概述 Unit 33-2　區辨分析—SPSS操作 Unit 33-3　區辨分析—統計報表解讀 Unit 33-4　區辨分析—表格呈現 Unit 33-5　區辨分析—分析結果的撰寫 Unit 34 使用R之前，你必須先知道的事 Unit 34-1　R是什麼 Unit 34-2　下載與安裝R—必須安裝3.6版以上的R Unit 34-3　開啟R及關閉R Unit 34-4　進入R後，一定要做的事—改變預設工作路徑 Unit 34-5　R的介面簡介 Unit 34-6　程式的執行 Unit 34-7　統計結果的存檔 Unit 34-8　準備R所需的資料檔 Unit 34-9　安裝套件—一定要執行 Unit 34-10　關於R的其他重要概念 Unit 35 驗證性因素分析 Unit 35-1　簡介 Unit 35-2　統計操作—前置作業 Unit 35-3　統計操作—程式碼 Unit 35-4　報表解讀 Unit 35-5　CFA—表格呈現 Unit 35-6　書寫範例 Unit 36 結構方程模型 Unit 36-1　簡介 Unit 36-2　統計操作—前置作業 Unit 36-3　統計操作—程式碼 Unit 36-4　報表解讀 Unit 36-5　SEM—表格呈現 Unit 36-6　以圖呈現SEM的結果 Unit 36-7　書寫範例 Unit 37 徑路分析（無交互作用） Unit 37-1　簡介 Unit 37-2　統計操作—前置作業 Unit 37-3　統計操作—程式碼 Unit 37-4　報表解讀 Unit 37-5　徑路分析—表格呈現 Unit 37-6　以圖呈現徑路分析的結果 Unit 37-7　書寫範例 Unit 38 徑路分析（二因子交互作用） Unit 38-1　簡介 Unit 38-2　統計操作—前置作業 Unit 38-3　統計操作—程式碼 Unit 38-4　報表解讀 Unit 38-5　徑路分析—表格呈現 1H9acon.indd 14 2020/5/27 上午 11:37:56 Unit 38-6　以圖呈現徑路分析的結果 Unit 38-7　呈現交互作用圖及單純斜率檢定 Unit 38-8　書寫範例 Unit 39 徑路分析（三因子交互作用） Unit 39-1　簡介 Unit 39-2　統計操作—前置作業 Unit 39-3　統計操作—程式碼 Unit 39-4　報表解讀 Unit 39-5　徑路分析—表格呈現 Unit 39-6　徑路分析—圖形呈現 Unit 39-7　呈現交互作用圖及單純斜率檢定 Unit 39-8　書寫範例 Unit 40 調節中介分析（一個調節變項的二因子效果） Unit 40-1　簡介 Unit 40-2　統計操作—前置作業 Unit 40-3　統計操作—程式碼 Unit 40-4　報表解讀 Unit 40-5　調節中介分析—表格呈現 Unit 40-6　以圖呈現調節中介分析的結果 Unit 40-7　呈現交互作用圖及單純斜率檢定 Unit 40-8　書寫範例 Unit 41 調節中介分析（兩個調節變項的二因子效果） Unit 41-1　簡介 Unit 41-2　統計操作—前置作業 Unit 41-3　統計操作—程式碼 Unit 41-4　報表解讀 Unit 41-5　調節中介分析—表格呈現 Unit 41-6　以圖呈現調節中介分析的結果 Unit 41-7　呈現交互作用圖及單純斜率檢定 Unit 41-8　書寫範例 ...

給論文寫作者的統計指南：傻瓜也會跑統計Ⅰ (5版)

其他會員也一起購買

給論文寫作者的統計指南：傻瓜也會跑統計I ISBN13：9786263439016 出版社：五南圖書出版 作者：顏志龍;鄭中平 裝訂／頁數：平裝／440頁 規格：25.6cm*19cm*2.2cm (高/寬/厚) 版次：5 出版日：2023/04/01 中文圖書分類：統計學總論 內容簡介 「80%的學生看到這本書都哭了。」 ●獨立單元，各取所需。 ●實用表格範例，直接套用。 ●統計分析和論文書寫合而為一。 ●可愛Excel小幫手，輕鬆寫論文。 ●實用統計觀念澄清和說明。   「這是一本強大的SPSS操作手冊！」   耶穌為了拯救世人而生；這本書為了拯救正在寫論文的人......和兩位作者的三餐而出版。這是一本專為學生設計的統計指南，它的特色有：   （一）27個獨立的操作單元：本書的每一個單元都是獨立的，各自包含了一種論文中常用的統計操作；你可以直接選你所需，完成統計分析。   （二）43個「統計表格範例」：指引你如何將分析結果轉化成論文中所需要的表格呈現；而且，本書已經幫你把這些表格都畫好了，貼進你的論文即可。   （三）84個「論文書寫範例」：引導你如何將分析結果寫成文字；直接套用書中範例，就可以使統計分析和論文書寫合而為一，不必再為了如何將分析結果寫成論文而煩惱。   （四）33個Excel工具：這些可愛的Excel小幫手，可以幫你完成論文中常用但SPSS無法直接作到的事；例如：迴歸調節效果的繪圖、單純斜率考驗、ANOVA的各種單純效果檢定與事後檢定等等......族繁不及備載。   （五）40個進階的統計註解：本書提供了一些實用統計觀念的澄清和說明，你可以選讀，也可以直接跳過，完全不會影響統計操作。認真讀這些統計註解會帶來兩個好處，一則可以增進你的統計功力，二則......在睡不著時拿來讀一讀很快就能睡著。   有了這本書，那些本來不會跑統計的人，可以跑得輕鬆愜意；那些本來就會跑統計的人，會跑得健步如飛。 目錄 作者序 必讀一 本書結構與使用說明 必讀二 我該用那一種統計方法？ Unit 1 論文中的SPSS基本操作 Unit 1-1 SPSS的資料結構 Unit 1-2 資料的輸入、存檔、讀檔，以及更改變項名稱 Unit 1-3 更改語言界面 Unit 1-4 描述統計 Unit 1-5 資料的檢查 Unit 1-6 反向題的轉換 Unit 1-7 分數的加總 Unit 1-8 產生高、低分組 Unit 1-9 產生虛擬變項 Unit 1-10 只想分析部分資料 Unit 2 信度分析及選題 Unit 2-1 信度分析概述 Unit 2-2 SPSS操作 Unit 2-3 統計報表解讀 Unit 2-4 分析結果的撰寫 Unit 2-5 選題及刪題 Unit 3 獨立樣本t檢定 Unit 3-1 獨立樣本t檢定概述 Unit 3-2 SPSS操作 Unit 3-3 統計報表解讀 Unit 3-4 效果量的計算 Unit 3-5 論文中的表格呈現 Unit 3-6 分析結果的撰寫 Unit 4 相依樣本t檢定 Unit 4-1 相依樣本t檢定概述 Unit 4-2 SPSS操作 Unit 4-3 統計報表解讀 Unit 4-4 效果量的計算 Unit 4-5 論文中的表格呈現 Unit 4-6 分析結果的撰寫 Unit 5 Pearson相關 Unit 5-1 Pearson相關概述 Unit 5-2 SPSS操作 Unit 5-3 統計報表解讀 Unit 5-4 論文中的表格呈現 Unit 5-5 分析結果的撰寫 Unit 5-6 兩個相關係數的差異檢定（操作） Unit 5-7 兩個相關係數的差異檢定（分析結果的撰寫） Unit 6 迴歸—一般線性迴歸 Unit 6-1 迴歸概述 Unit 6-2 SPSS操作 Unit 6-3 統計報表解讀 Unit 6-4 論文中的表格呈現 Unit 6-5 分析結果的撰寫 Unit 7 迴歸—中介效果 Unit 7-1 迴歸中介分析概述 Unit 7-2 四步驟法—SPSS操作 Unit 7-3 四步驟法—統計報表解讀 Unit 7-4 四步驟法—論文中的表格呈現 Unit 7-5 四步驟法—分析結果的撰寫 Unit 7-6 Sobel test（操作） Unit 7-7 Sobel test（分析結果的撰寫） Unit 8 迴歸—階層迴歸 Unit 8-1 階層迴歸概述 Unit 8-2 SPSS操作 Unit 8-3 統計報表解讀 Unit 8-4 論文中的表格呈現 Unit 8-5 分析結果的撰寫 Unit 8-6 當控制變項有間斷變項時 Unit 9 迴歸—二階交互作用（調節效果） Unit 9-1 迴歸交互作用概述 Unit 9-2 SPSS操作 Unit 9-3 統計報表解讀 Unit 9-4 論文中的表格呈現 Unit 9-5 繪圖及單純斜率檢定 Unit 9-6 分析結果的撰寫 Unit 10 迴歸—二階交互作用（調節效果：有間斷變項） Unit 10-1 迴歸交互作用概述 Unit 10-2 SPSS操作 Unit 10-3 統計報表解讀 Unit 10-4 論文中的表格呈現 Unit 10-5 繪圖及單純斜率檢定 Unit 10-6 分析結果的撰寫 Unit 11 迴歸—三階交互作用（調節效果） Unit 11-1 迴歸交互作用概述 Unit 11-2 SPSS操作 Unit 11-3 統計報表解讀 Unit 11-4 論文中的表格呈現 Unit 11-5 繪圖及單純斜率檢定 Unit 11-6 分析結果的撰寫 Unit 12 迴歸—三階交互作用（調節效果：有間斷變項） Unit 12-1 迴歸交互作用概述 Unit 12-2 SPSS操作 Unit 12-3 統計報表解讀 Unit 12-4 論文中的表格呈現 Unit 12-5 繪圖及單純斜率檢定 Unit 12-6 分析結果的撰寫 Unit 13 卡方檢定—兩間斷變項關聯 Unit 13-1 卡方檢定概述 Unit 13-2 SPSS操作 Unit 13-3 統計報表解讀 Unit 13-4 論文中的表格呈現 Unit 13-5 分析結果的撰寫 Unit 14 因素分析（斜交） Unit 14-1 因素分析概述 Unit 14-2 SPSS操作 Unit 14-3 統計報表解讀 Unit 14-5 哪些題目屬於哪個因素？因素如何命名？ Unit 14-6 分析結果的撰寫 Unit 14-7 使用因素分析刪題 Unit 15 因素分析（正交） Unit 15-1 因素分析概述 Unit 15-2 SPSS操作 Unit 15-3 統計報表解讀 Unit 15-4 哪些題目屬於哪個因素？因素如何命名？ Unit 15-5 分析結果的撰寫 Unit 15-6 使用因素分析刪題 Unit 16 單因子變異數分析（ANOVA）：獨立樣本 Unit 16-1 單因子獨立樣本ANOVA概述 Unit 16-2 SPSS操作 Unit 16-3 統計報表解讀 Unit 16-4 論文中的表格呈現 Unit 16-5 分析結果的撰寫 ...

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

邊緣AI－使用NVIDIA Jetson Orin Nano開發具備深度學習、電腦視覺與生成式AI功能的ROS2機器人 (1版)

類似書籍推薦給您

【簡介】 內容簡介:★ NVIDIA DLI 深度學習機構白金級認證講師專業講解 ★ ★ 完整解析 NVIDIA Jetson 邊緣運算電腦，最新的 Jetson Orin Nano Super 算力飆升1.7倍！【Jetson Orin Nano Super】NVIDIA 執行長黃仁勳盛讚的1.7倍AI算力提升在這裡！【加速運算】NVIDIA Jetson 系列邊緣運算電腦，搭載 CUDA 與 TensorRT 加速技術，實現掌上高速運算的承諾。【立體機器視覺】整合 Intel RealSense 與 StereoLab ZED 景深攝影機，讓機器人擁有清晰的空間感知能力。【ROS2 作業系統】機器人智慧全面升級，輕鬆實現各種自動化任務。【生成式 AI 應用】在裝置端執行各種大語言、圖像、語音與 Cosmos 等多模態生成模型，讓無限創意在邊緣運算中展翅高飛！ 【目錄】 章節說明:第 1 章 單板電腦與邊緣運算1.1 邊緣運算裝置1.2 單板電腦1.3 NVIDIA 線上資源1.4 NVIDIA Jetson 家族1.5 Jetson Orin Nano 開發套件開箱1.6 總結第 2 章 Jetson Orin Nano 初體驗2.1 Jetson Orin Nano 開機！2.2 基礎系統操作2.3 Jetson Orin Nano Super2.4 總結第 3 章 深度學習結合視覺辨識應用3.1 OpenCV 電腦視覺函式庫3.2 NVIDIA 深度學習視覺套件包3.3 總結第 4 章 整合深度視覺4.1 Intel RealSense 景深攝影機4.2 ZED 景深攝影機4.3 總結第 5 章 ROS2 機器人作業系統5.1 ROS / ROS25.2 NVIDIA Issac ROS5.3 安裝 ROS25.4 RK ROS2 移動平台5.5 ROS2 基本節點5.6 AI 節點5.7 進階應用5.8 總結第 6 章 生成式 AI 結合邊緣運算裝置6.1 淺談生成式 AI6.2 NVIDIA Jetson Generative AI lab6.3 總結

電腦視覺與深度學習 (1版)

類似書籍推薦給您

【簡介】 　　這本書引導讀者從廣闊的人工智慧來到深度學習的核心概念，深化對機器學習的理解，並揭示電腦視覺如何利用機器學習來模仿和擴展人類的視覺能力。深度學習顯著提升了電腦視覺技術的效能，而成功的電腦視覺案例又進一步推進深度學習領域的發展，形成一個良性循環。 　　書中不僅提供扎實的理論基礎，更搭配豐富實用的範例，這些範例都是用強大且被廣泛運用的 Python 程式語言編寫。透過這些範例，讀者能更直觀地掌握書中所述的概念，並將理論付諸實踐。 　　本書特別為對影像處理與電腦視覺懷抱熱情的讀者而設計，無論是大學部或研究所的學生，或是渴望自學精進的其他族群，都能從中獲益良多。 【目錄】 1 簡　介 2 實現電腦視覺的軟體平台 3 電腦視覺的影像基礎 4 鄰域處理 5 影像轉換 6 影像增強 7 影像復原 8 影像分割 9 影像辨識 10 深度學習的歷史與演進 11 重要電腦視覺任務實現一：光學字元辨識 12 重要電腦視覺任務實現二：影像分類 13 重要電腦視覺任務實現三：物件偵測 14 重要電腦視覺任務實現四：語意與實例分割 15 重要電腦視覺任務實現五：物件追蹤 16 重要電腦視覺任務實現六：姿態估測 17 重要電腦視覺任務實現七：人臉辨識 18 真實世界電腦視覺的考量與省思 參考文獻 彩色圖片

生成深度學習｜訓練機器繪畫、寫作、作曲與玩遊戲 第二版 (2版)

類似書籍推薦給您

【簡介】 生成式AI是科技界最熱門的主題。本書以實務導向，教導機器學習工程師與資料科學家們如何使用 TensorFlow 與 Keras 來從頭做出令人讚嘆的生成深度學習模型，包含變分自動編碼器（VAE）、生成對抗網路（GAN）、Transformer、正規化流、能量模型與降噪擴散模型。 本書從深度學習的基礎開始，逐步談到最尖端的架構。透過各種提示與小技巧，您將理解如何讓模型更有效地學習並變得更富有創造力。 ．探索如何使用VAE（變分自動編碼器）來修改照片中的臉部表情 ．訓練各種GAN（生成對抗網路）以根據您專屬的資料集來生成圖像 ．建置擴散模型來生成新品種的花卉 ．自行訓練GPT來生成文字 ．了解像ChatGPT這樣的大型語言模型是如何訓練的 ．探索StyleGAN2與ViT-VQGAN這類最新架構 ．使用變換器（Transformer）和MuseGAN編寫多聲部音樂 ．理解生成世界模型如何解決強化學習任務 ．深入研究DALL.E 2、Imagen和Stable Diffusion這類多模態模型 本書還探討了生成式AI的未來，以及個人和公司如何藉由積極著手運用這項非凡的新技術來創造競爭優勢。 「這是一本淺顯易懂的絕佳入門書，介紹生成建模的各種深度學習套件。如果您喜歡寫點程式並希望將深度學習應用於工作中的創意從業者，這本書保證適合您。」 ——Stability AI策略部門主管David Ha—— 「這本書超級棒，深入介紹了各種最新生成式深度學習背後的所有主要技術。這是對AI中最迷人領域的一趟引人入勝探索之旅！」 ——Keras創辦人François Chollet—— 【目錄】 【第一篇 認識生成深度學習】 chapter 1　生成建模 　什麼是生成建模？ 　chapter一個生成式模型 　核心機率理論 　生成模型分類 　生成深度學習程式庫 chapter 2　深度學習 　深度學習的資料 　深度神經網路 　多層感知器（MLP） 　卷積神經網路（CNN） 【第二篇 方法】 chapter 3　變分自動編碼器 　簡介 　自動編碼器 　變分自動編碼器 　探索潛在空間 chapter 4　生成對抗網路 　簡介 　深度卷積生成對抗網路（DCGAN） 　具梯度懲罰的 Wasserstein GAN（WGAN-GP） 　條件生成對抗網路（CGAN） chapter 5　自迴歸模型 　簡介 　長短期記憶網路（LSTM） 　遞歸神經網路（RNN）的延伸 　PixelCNN chapter 6　正規化流模型 　簡介 　正規化流 　RealNVP 　其他正規化流模型 chapter 7　能量模型 　簡介 　能量模型 　總結 chapter 8　擴散模型 　簡介 　降噪擴散模型（DDM） 　總結 【第三篇 應用】 chapter 9　Transformer 　簡介 　GPT 　其他 Transformer 模型 　總結 chapter 10　進階 GAN 　簡介 　ProGAN 　StyleGAN 　StyleGAN2 　其他重要的 GAN chapter 11　音樂生成 　簡介 　音樂生成的 Transformer 模型 　MuseGAN 　總結 chapter 12　世界模型 　簡介 　強化學習 　世界模型概述 　收集隨機推演資料 　訓練 VAE 　收集資料以訓練 MDN-RNN 　訓練 MDN-RNN 　訓練控制器 　夢境訓練 chapter 13　多模態模型 　簡介 　DALL.E 2 　Imagen 　Stable Diffusion 　Flamingo chapter 14　結語 　生成式 AI 的時間軸 　生成式 AI 的現狀 　生成式 AI 的未來 　最終想法 索引