此書籍沒有詳細資訊。
還沒有人留下心得，快來搶頭香！
為您推薦
類似書籍推薦給您
【簡介】 機器學習「聖經級」著作全新進化，正式擁抱PyTorch生態系！ 別再只當AI使用者，跟著Aurélien Géron成為AI的打造者。 本書將是你技術職涯中最具價值的投資！ 「本書是初學者踏入機器學習（ML）世界的完美起點。作者以清晰的範例程式與實際的範例，從基礎脈絡到核心概念層層揭開AI的奧祕。你將透過PyTorch與Scikit-Learn的完整操作流程，從入門一路挺進最新的機器學習與深度學習技術。」 ——Louis-François Bouchard，教育者、Towards AI共同創辦人暨CTO 「Géron找出理論與實作的黃金比例，運用Scikit-Learn與PyTorch的實作來幫助你充分掌握重要概念，並以親切、易懂的說明讓複雜知識變得毫無負擔。這本書是我最推薦ML學習資源。」 ——Ulf Bissbort，ZefHub共同創辦人暨CTO 機器學習的潛力正以空前的速度爆發，但它的複雜度總是令門外的開發者與科技工作者望而卻步。現在，無論你想提升技能、在實際專案中導入AI，亦或只想要瞭解AI系統到底如何運作，本書都是帶你邁入AI世界的完美起點。 作者Aurélien Géron以親切的筆法與扎實的知識，打造出最全面的機器學習與深度學習入門指南。你將透過清晰的講解與貼近現實的範例，逐步掌握Scikit-Learn、PyTorch、Hugging Face等主流工具，從基本的回歸技術到先進的神經網路架構，並在此基礎上，進一步介紹深度學習架構與現代AI技術，包括Transformer、生成式模型，以及大型語言模型（LLM）的應用與微調方法，一路暢行無阻。 本書內容橫跨傳統機器學習與現代深度學習，提供一條從入門到進階的完整學習路徑。無論是初學者、希望強化實作能力的工程師，或是計畫轉向 PyTorch 生態系的開發者，都能透過本書掌握打造智慧系統所需的關鍵知識與技術。 • 瞭解ML基礎知識，包括過度擬合與超參數調校等概念。 • 使用Scikit-Learn來完成一個完整的ML專案，不僅涵蓋資料探索，也包含模型評估。 • 學習無監督學習技巧，例如分群與異常偵測。 • 建立進階架構，例如使用transformer來建構聊天機器人，以及使用PyTorch來打造擴散模型。 • 運用預訓模型（包括LLM）並學習如何微調與提升其速度。 • 使用強化學習來訓練自主的代理。 【目錄】 前言 【第一部分 機器學習的基本概念】 第一章 機器學習全景 何謂機器學習？ 為什麼要使用機器學習？ 應用範例 機器學習系統的類型 ML的主要挑戰 測試與驗證 習題 第二章 機器學習專案的完整流程 使用真實的資料 瞭解大局 取得資料 探索資料並將資料視覺化以獲得見解 為ML演算法準備資料 選擇並訓練模型 微調你的模型 上線、監視與維護你的系統 大膽嘗試吧！ 習題 第三章 分類 MNIST 訓練二元分類器 效能指標 多類別分類 錯誤分析 多標籤分類 多輸出分類 習題 第四章 訓練模型 線性回歸 梯度下降 多項式回歸 學習曲線 正則化線性模型 Logistic回歸 習題 第五章 決策樹 訓練與視覺化決策樹 進行預測 估計類別機率 CART訓練演算法 計算複雜度 使用Gini不純度還是entropy？ 正則化超參數 回歸 對方向敏感 決策樹有高變異性 習題 第六章 集成學習與隨機森林 投票分類器 Bagging與Pasting 隨機森林 Boosting Stacking 習題 第七章 降維 維數詛咒 降維的主要方法 PCA 隨機投影 LLE 其他的降維技術 習題 第八章 無監督學習技術 分群演算法：k-means與DBSCAN 高斯混合 習題 【第二部分 神經網路與神度學習】 第九章 人工神經網路導論 從生物神經元到人工神經元 使用Scikit-Learn來建構與訓練MLPs 超參數調整指南 習題 第十章 使用PyTorch來建構神經網路 PyTorch基礎 實作線性回歸 實作回歸MLP 使用DataLoader來實作小批次梯度下降 模型評估 使用自訂模組來建立非sequential模型 使用PyTorch來建立圖像分類器 微調神經網路超參數：使用Optuna 儲存與載入PyTorch模型 編譯與最佳化PyTorch模型 習題 第十一章 訓練深度神經網路 梯度消失╱爆炸問題 重複使用預訓層 更快的optimizer 學習率排程 透過正則化來避免過度擬合 實務指南 習題 第十二章 深度電腦視覺：使用摺積神經網路 視覺皮層的架構 摺積層 池化層 使用PyTorch來實作池化層 CNN架構 使用PyTorch來實作ResNet-34 CNN 使用TorchVision的預訓模型 用來執行遷移學習的預訓模型 分類與定位 物體偵測 物體追蹤 語意分割 習題 第十三章 使用RNN與CNN來處理序列 遞迴神經元與階層 訓練RNN 預測時間序列 處理長序列 習題 第十四章 使用RNN與注意力機制來處理自然語言 使用字元RNN來產生莎士比亞風格的句子 使用Hugging Face程式庫來分析情感 用於神經機器翻譯的Encoder-Decoder網路 Beam Search 注意力機制 習題 第十五章 使用Transformer來執行NLP與製作聊天機器人 Attention Is All You Need：原始的Transformer架構 建構可將英文翻譯成西班牙文的Transformer 用Encoder-Only Transformer來理解自然語言 Decoder-Only Transformers 將大型語言模型變成聊天機器人 Encoder-Decoder模型 習題 第十六章 視覺與多模態Transformer 視覺Transformer 多模態Transformers 其他的多模態模型 習題 第十七章 加速Transformer 第十八章 自編碼器、GAN與擴散模型 有效率的資料表徵 使用欠完備的線性自編碼器來執行PCA 堆疊式自編碼器 摺積自編碼器 去雜訊自編碼器 稀疏自編碼器 變分自編碼器 生成Fashion MNIST圖像 生成對抗網路 擴散模型 習題 第十九章 強化學習 什麼是強化學習？ 策略梯度 基於價值的方法 Actor-Critic演算法 使用Stable-Baselines3 PPO來訓練 Atari打磚塊遊戲大師 一些常見RL的演算法 習題 Thank You! 附錄A自動微分 附錄B混合精度與量化 索引
類似書籍推薦給您
【簡介】 全新第三版，以更流暢的方式帶你掌握語法基礎、現代工具與AI模型，讓你在真實開發情境運用 Python更快、更精準。 • 更直覺的現代化Python語法與套件 • 新增AI模型與效能最佳化主題 • 網頁、資料庫、網路應用一次整合 • 掌握清晰易懂、好維護的高品質程式風格 • 強化套件活用力，加速開發效率 ---------------------------------------- 「Bill Lubanovic在這本精采絕倫的作品中，先為你奠定深厚穩健的程式設計基礎，再教你如何以豐富強大的Python工具箱解決真實世界的問題。透過本書，你一定能學會運用Python來解決問題。」 ——Loïc Pefferkorn，開放原始碼系統工程師 「本書涵蓋大量實用的Python程式和第三方套件，以慧黠的對話風格來呈現有趣、充實的內容。」 ——Nathan Stocks，Agile Perception 「本書的可貴之處在於，Python如何在當今飛速變動的世界中，與AI、資料庫、網頁伺服器等關鍵技術領域接軌及互動。」 ——Patrick Viafore，《Robust Python》作者(O’Reilly, 2021) 程式設計有時非常複雜，甚至令人彷彿陷入五里迷霧一般。這就是Python特別流行的原因——它是最易學、易懂，也最容易撰寫出成果的程式語言之一。 《精通Python》已經是初學者與中階開發者的重要資源了。全新的第三版加入AI模型操作、效能最佳化等新主題，帶你以現代開發者的視角探索Python，從語言細節、運算工具到專案實作都完整涵蓋。內容清晰、引人入勝，並以專案導向搭配大量實用範例，讓你能立即拓展技術版圖，從網頁開發、資料庫到網路應用全面提升實力。 • 瞭解Python資料結構與操作 • 寫出正確且易讀的Python程式碼 • 閱讀別人的Python程式碼，因為開發者經常這麼做 • 接手網頁開發或資料庫開發等主力工作 • 動手體驗最新AI模型與新興技術【目錄】 第一部分 城堡 第1章 簡介 第2章 型態與變數 第3章 數字 第4章 字串 第5章 bytes與bytearray 第6章 if與match 第7章 for與while 第8章 tuple與串列 第9章 字典與集合 第10章 函式 第11章 物件 第12章 模組與套件 第二部分 Python實務 第13章 開發環境 第14章 型態提示與文件 第15章 測試 第16章 Debug 第三部分 任務 第17章 文字資料 第18章 二進位資料 第19章 日期與時間 第20章 檔案 第21章 時間裡的資料：並行 第22章 空間裡的資料：網路 第23章 盒子裡的資料：持久保存 第24章 We 第25章 資料科學 第26章 AI 第27章 效能 附錄A 習題解答
類似書籍推薦給您
【簡介】 深入網頁程式語言的世界 JavaScript 這項程式語言的強項是讓使用者在網頁裡加入程式，幾乎可以說是現今所有網頁應用程式的核心，從社群媒體網站到瀏覽器上運行的遊戲都有 JavaScript 的身影。不僅如此，幾乎所有設備都能執行 JavaScript，使其成為使用者撰寫通用程式碼的絕佳選擇。 這本經典之作的第四版將帶領各位讀者踏上網頁程式語言的學習之旅，從最基本的程式元素開始，逐步建構令人興味盎然的完整程式。本書作者不吝與讀者分享自身多年來維護熱門開放原始碼專案的親身經驗，融入實務見解和範例，讓書中文字更加生動有趣。 《精通 JavaScript 第四版》的更新焦點會放在深入介紹 2024 年版的 JavaScript，調整某些主題的學習重心，更適切地反映現今的開發實務。 本書採用實務導向的教學方式，將理論深植於大量實例之中，激發讀者的學習動機。前半部分的章節內容會完整介紹程式語言的基礎知識，後半部分的章節則會展示如何在兩種程式開發環境中應用前面學到的知識，分別是：網頁瀏覽器和 Node.js。本書還納入五個「實作專案」章節，示範如何開發更大型的程式，以對話口吻的輕鬆方式，引導讀者循序漸進學習。這些實作專案包括：路徑搜尋機器人、小型的程式語言、2D 平面遊戲、小畫家程式和簡單的動態網站。 多數章節的結尾都會提出練習題來挑戰各位讀者的創造力，藉此練習運用該章節介紹過的概念和技術。本書另有建置一個學習配套網站，提供互動式環境，協助讀者操作這些練習題，探索書中的範例程式。 本書充滿豐富的啟發內容，不論讀者是想要學習 JavaScript 的初學者或是打算提升自我程式設計技巧的進階學習者，都能從書中找到激發你思考的亮點。 ※本書程式已更新至 2024 年版的 ECMAScript。 【目錄】 PART I 程式語言 第1章 資料值、資料型態與運算子 第2章 程式結構 第3章 函式 第4章 資料結構：物件與陣列 第5章 高階函式 第6章 物件的秘密 第7章 實作專案：宅配機器人 第8章 臭蟲與錯誤 第9章 規則運算式 第10章 模組 第11章 非同步程式設計 第12章 實作專案：自創一個小型的程式語言 PART II 瀏覽器 第13章 JavaScript與瀏覽器 第14章 文件物件模型 第15章 事件處理 第16章 實作專案：平台遊戲 第17章 繪圖：Canvas元素 第18章 HTTP與表單 第19章 實作專案：小畫家線上版 PART III NODE開發環境 第20章 伺服器端開發環境：NODE.JS入門 第21章 實作專案：技能交流網站 第22章 提升JavaScript效能的技巧 解題提示
類似書籍推薦給您
【簡介】 黃仁勳說， 若是回到大學， 他會選讀物理科學（ p h y s i c a l science），而不是電腦科學。若能精通物理，則無論求學或就業，都可占盡優勢。 精通物理，需要能辨別相似術語／原理間的不同，並善加連結。例如：「力量&衝量」有何不同？「溫度&冷熱」有何差別？「慣性定律&慣性座標」又有何關聯？ 作者累積20餘年，投入物理教材教法的研發，並透過實際課堂檢驗及改進。本書精選的這些教材，直擊常見迷思，融入生活實例，設計成﹝學習單+解答剖析﹞。藉由情境化、主動學習，引領讀者達到見樹又見林之目標。 本書適合高中或大學學生、物理教師／教授，及從事科技領域，需要扎實物理基礎的人們。期待讀者能享受書中所帶來的知性成長。 【目錄】 I 牛頓力學 1. 牛頓力學公式：要點與推導途徑 2. 加速度：五推導流程 3. 動／靜摩擦：成因、大小、及方向 4. 巨人的肩膀：牛頓定律演進史 5. 慣性、慣性定律、慣性座標 6. 牛頓力學公式：從質點到剛體與變形體 7. 牛頓定律：主題探究 II 力學統整 8. 能量守恆、功能定理 9. 力量、能量、動量、衝量 10. 轉動、滾動、進動 III 氣體、熱學、流體 11. 氣體與熱學 12. 流體力學 13. 熱學與流體：科學探究
類似書籍推薦給您
【簡介】 使用Python套件與框架完成網路自動化、監控、雲端和管理 👍 台灣旅美資深網路技術專家最新實戰指南 👍 教你用Python點滿網路自動化的技能樹 👍 涵蓋Docker、Python、GitLab與DevOps技術 👍 從基礎技能到建構企業級API全面掌握 🎯 適合所有希望拓展技能並追求網路自動化（NetDevOps）的網路工程師！ 「本書書名是《精通Python網路開發》，但涵蓋範圍遠遠超出了Python腳本。我僅使用這本書，就足以讓我經驗豐富、精通CLI的網路安全工程師團隊，快速了解網路自動化及其相關知識。簡言之，尋求專注於自動化的網路工程師，可將本書視為網路工程庫的重要補充。」 --Daniel Luechtefeld -Snowdog 技術和網络首席顧問 在基礎設施中，網路決定了應用程序部署、維護和服務方式。身為一種強大的程式語言，Python為網路工程師提供了許多工具，讓他們能像過去的系統工程師與程式開發者一樣，探索與操作設備。在《精通Python網路開發》一書中，您將開始一段以Python為基礎的旅程，從傳統的網路工程師轉變為能適應下一代網路的網路開發人員。 本書針對新的Python特性和DevOps框架進行全面更新。新增了關於Docker容器和Python3 Async IO的章節，每一章也使用最新的函式庫和範例，以確保相容性與對概念的理解。 從Python的基本概述開始，您將學習與傳統網路設備和支援API的網路設備互動的方法。利用高階Python套件與框架來執行網路自動化任務、監控、管理和強化網路安全，深入研究AWS和Azure雲端服務與運算，使用Git管理程式碼、GitLab實作持續整合，運用基於Python撰寫的測試工具來驗證網路。 您將學到： *使用Python與網路設備互動 *了解Docker開發與部署的方式 *使用Python和各種工具獲取網路資訊 *學習使用ELK執行網路資料分析 *使用Flask並建置一個高階API與企業內部應用程式互動 *發現Python3的新Async IO特性與概念 *探索測試驅動開發的概念並使用PyTest來驅動程式碼測試的覆蓋率 *了解使用GitLab與網路中的DevOps實例 【目錄】 推薦序 第四版 繁體中文序 前言 Chapter 1：TCP/IP 協定套組與 Python 的回顧 網際網路概述 開放式系統互聯（OSI）模型 主從式模型 網路協定套組 Python 語言概述 總結 Chapter 2：底層網路設備互動 使用 CLI 的挑戰 建立虛擬實驗環境 Python 虛擬環境 Python Pexpect 函式庫 Python Paramiko 函式庫 Netmiko 函式庫 Nornir 框架 總結 Chapter 3：應用程式介面（API）與意圖驅動網路開發 基礎設施即程式碼（IaC） Cisco API 範例 Cisco Meraki 控制器 Python API 與 Juniper Networks 設備互動的方法 Arista Python API 介面 VyOS 範例 其他函式庫 總結 Chapter 4：Python 自動化框架 - Ansible Ansible - 更具宣告性的框架 我們的第一個 Ansible 網路範例 Ansible 的優點 Ansible 內容集合 更多的 Ansible 網路範例 總結 Chapter 5：面向網路工程師的 Docker 容器 Docker 概述 在 Docker 建立 Python 應用程式 容器聯網 網路工程領域中的容器 Docker 與 Kubernates 總結 Chapter 6：使用 Python 來實現網路安全 實驗環境設置 Python Scapy 工具 存取列表 Syslog 搜尋 其他工具 進一步學習 Python 總結 Chapter 7：使用 Python 來進行網路監控 - 第 1 部分 實驗環境設置 簡單網路管理協定（SNMP） Python 用於資料視覺化 將 Python 應用於 Cacti 總結 Chapter 8：使用 Python 來執行網路監控 - 第 2 部分 Graphviz 工具 流量式監測 ntop 流量監測 總結 Chapter 9：使用 Python 建立網路網頁伺服器 Python web 框架比較 Flask 與實驗環境設置 Flask 的介紹 網路資源 API 網路動態操作 身分驗證與授權 容器內執行 Flask 總結 Chapter 10：Async IO 介紹 非同步操作概述 Python asyncio 模組 Scrapli 專案 總結 Chapter 11：AWS 雲端網路開發 AWS 設置 AWS 網路概述 虛擬私有雲 專用網路連線（Direct Connect）與 VPN 網路擴充服務 其他 AWS 網路服務 總結 Chapter 12：Azure 雲端網路開發 Azure 與 AWS 網路服務比較 Azure 設置說明 Azure 管理與 API Azure 全球基礎設施 Azure 虛擬網路 VNet 路由 Azure 虛擬私有網路（Azure VPN） Azure ExpressRoute 服務 Azure 網路負載平衡器 其他 Azure 網路服務 總結 Chapter 13：利用 Elastic Stack 執行網路資料分析 Elastic Stack 是什麼？ 實驗環境拓樸 Elastic Stack 即服務 第一個端到端範例 利用 Python client 與 Elasticsearch 互動 利用 Logstash 進行資料攝取 利用 Beats 進行資料攝取 利用 Elasticsearch 進行搜尋 利用 Kibana 來達到資料視覺化 總結 Chapter 14：Git 的使用 內容管理考量與 Git Git 介紹 設置 Git Git 使用範例 Git 分支操作說明 利用 Python 操作 Git 自動組態備份 使用 Git 進行協作 總結 Chapter 15：利用 GitLab 進行持續整合 傳統的變更管理流程 持續整合簡介 安裝 GitLab GitLab runner 執行器程式 第一個 GitLab 範例 GitLab 網路範例 總結 Chapter 16：網路測試驅動開發 測試驅動開發概述 拓樸即程式碼 為網路編寫測試 pyATS 和 Genie 結論 索引
