書名: 從機器學習到人工智慧|寫給Android/iOS程式師的ML/AI開發指南
作者: 藍子軒
ISBN: 9786263242388
出版社: 碁峰
#資訊
#AI人工智慧與機器學習
#移動應用程式開發
定價: 620
售價: 527
庫存: 已售完
LINE US! 詢問這本書 團購優惠、書籍資訊 等
此書籍已售完,調書籍需2-5工作日。建議與有庫存書籍分開下單

付款方式: 超商取貨付款 line pay
信用卡 全支付
線上轉帳 Apple pay
物流方式: 超商取貨
宅配
門市自取

詳細資訊

內容簡介   幫助Android/iOS開發者了解如何應用AI/機器學習技術開發app   如果無處可用,AI什麼都不是。在人手一機的時代裡,如何應用AI已經成為行動裝置App開發人員的必修課程。本書是你在主流行動裝置平台(iOS與Android)上應用機器學習技術開發相關app的最佳指南。   本書介紹機器學習的相關技術與工具,並引導你應用ML Kit、TensorFlow Lite與Core ML等工具,開發電腦視覺與文字辨識等應用機器學習技術的Android/iOS應用程式。   .介紹可以應用在行動裝置上的AI/ML相關技術   .建立為iOS和Android的機器學習模型   .應用ML Kit與TensorFlow Lite開發Android/iOS應用程式   .如何依據需求選擇技術與工具,如雲端或裝置端的取捨,以及API的選擇   .了解機器學習技術應用的上的隱私與道德考量 目錄 第一章 人工智慧 & 機器學習簡介 第二章 電腦視覺簡介 第三章 ML Kit 簡介 第四章 善用 ML Kit的電腦視覺Android App 第五章 善用 ML Kit的文字處理Android App 第六章 善用 ML Kit的電腦視覺iOS App 第七章 善用 ML Kit的文字處理iOS App 第八章 深入理解 TensorFlow Lite 第九章 建立自定義模型 第十章 使用自定義模型的 Android App 第十一章 使用自定義模型的 iOS App 第十二章 用 Firebase 來協助 App 產品化 第十三章 使用 Create ML 與 Core ML 的 iOS App 第十四章 行動 App 存取雲端模型 第十五章 行動 App 的道德面、公平性與隱私權考量

為您推薦

從程式員到 AI 專家|寫給程式員的人工智慧與機器學習指南 (1版)

從程式員到 AI 專家|寫給程式員的人工智慧與機器學習指南 (1版)

類似書籍推薦給您

內容簡介   如果你想從程式員轉職為AI專家,本書是理想的起點。本書來自Laurence Moroney的成功AI課程,將會帶著你親自動手寫程式,讓你充滿信心地學習重要的主題,你要做的,只是用Python和它的資料表示法及陣列處理法來做實驗。   你會學到如何實作機器學習最常見的場景,包括電腦視覺、自然語言處理(NLP),以及在web、行動設備、雲端與嵌入式等執行環境中建立序列模型。大多數的機器學習書籍在一開始都會展示大量且令人生畏的高等數學,但這本書提供實用的課程,直接帶你編寫實用的程式。   • 透過範例程式了解機器學習的基本知識   • 使用TensorFlow為各種場景建模模型   • 用只有一個神經元的神經網路建構模型   • 實作電腦視覺,包括在圖像中偵測特徵   • 使用NLP將單字和句子基元化及組成序列   • 將模型植入Android與iOS設備   • 使用TensorFlow Serving,讓模型透過web或雲端提供服務 名人推薦   「本書使用TensorFlow徹底教你了解及實作機器學習與人工智慧模型。」   —Jialin Huang博士   微軟資料與應用科學家   「Laurence Moroney一直是讓TensorFlow成為全球AI框架龍頭的主力,我很榮幸可以透過deeplearning.ai與Coursera來協助他指導TensorFlow。希望你在學習TensorFlow的過程中一切順利。有Laurence當你的導師,你將展開一場偉大的冒險旅程。」   —Andrew Ng   deeplearning.ai創辦人 目錄 推薦序 前言 【第一部分 建構模型】 第1章 TensorFlow 簡介 第2章 電腦視覺簡介 第3章 從基礎晉級:偵測圖像中的特徵 第4章 使用 TensorFlow Datasets 來取得公開的資料組 第5章 自然語言處理簡介 第6章 使用 embedding 來以程式表達情緒 第7章 用遞迴神經網路來處理自然語言 第8章 使用 TensorFlow 來創造文本 第9章 了解序列和時間序列資料 第10章 建立 ML 模型來預測序列 第11章 使用摺積和遞迴方法來製作序列模型 【第二部分 使用模型】 第12章 TensorFlow Lite 簡介 第13章 在 Android app 使用 TensorFlow Lite 第14章 在 iOS app 裡使用 TensorFlow Lite 第15章 TensorFlow.js 簡介 第16章 用 TensorFlow.js 製作電腦視覺的設計技術 第17章 將 Python 模型轉換成 JavaScript 來重複使用它 第18章 遷移學習,使用 JavaScript 第19章 用 TensorFlow Serving 來部署 第20章 AI 道德、公平性和隱私

原價: 680 售價: 578 現省: 102元
立即查看
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)

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

原價: 630 售價: 567 現省: 63元
立即查看
R語言資料分析 : 從機器學習、資料探勘、文字探勘到巨量資料分析 (3版)

R語言資料分析 : 從機器學習、資料探勘、文字探勘到巨量資料分析 (3版)

類似書籍推薦給您

原價: 550 售價: 468 現省: 82元
立即查看
機器學習入門:從玻爾茲曼機器學習到深度學習

機器學習入門:從玻爾茲曼機器學習到深度學習

類似書籍推薦給您

原價: 380 售價: 323 現省: 57元
立即查看
Python資料科學與機器學習:從入門到實作必備攻略

Python資料科學與機器學習:從入門到實作必備攻略

類似書籍推薦給您

原價: 650 售價: 553 現省: 97元
立即查看