深度學習－從入門到實戰(使用MATLAB)(附範例光碟)

類似書籍推薦給您

深度學習－從入門到實戰（使用MATLAB） ISBN13：9789865034313 出版社：全華圖書 作者：郭至恩 裝訂／頁數：平裝／400頁 附件：光碟1片 規格：26cm*19cm*1.5cm (高/寬/厚) 版次：1 出版日：2020/07/02 中國圖書分類：電腦應用及其程式 內容簡介 深度學習是目前人工智慧裡最熱門的領域之一，許多生活上的應用，如語言翻譯、語音識別、圖形識別、物件偵測、圖像生成等，皆運用了深度學習的技術，而取得重大的突破。 　　在學習開發深度學習演算法時，首先要選擇開發工具與環境。市面上有許多開發深度學習技術的套件，如Tensorflow、Keras、PyTorch、MXNet等，這些工具雖然大幅降低進入深度學習技術的門檻，但仍有環境設置困難、套件版本不一等缺點。而Matlab具有便利簡單的語言與環境，為了讓讀者能輕鬆進入深度學習領域，本書使用Matlab程式語言來進行深度學習的開發與應用，並以初學者的角度講解，讓讀者可以輕鬆建構深度學習的概念。此外，本書介紹許多Matlab應用於深度學習的相關範例，使讀者累積應用的能力。 目錄 第一章　環境建置 1-1 MATLAB 介紹 1-2 MATLAB 與相關工具箱安裝 1-3 深度學習相關套件安裝 1-4 GPU 加速運算介紹 第二章　數據標記與常見工具介紹 2-1 基本資料標記(How to label image data into MATLAB) 2-2 影像感興趣區域標記 2-3 圖像預處理 2-4 資料擴增(Data Augmentation) 第三章　深度學習常見模型與函式語法介紹 3-1 卷積神經網路(convolution neural network, CNN) 3-2 卷積神經網路網路模型相關函式語法介紹 3-3 遞歸神經網路(recurrent neural network, RNN) 3-4 遞歸神經網路模型相關函式語法介紹 3-5 自動編碼器介紹(auto encoder) 3-6 自動編碼器相關函式語法與範例介紹 第四章　網路訓練參數與資料擴增之相關函式語法介紹 4-1 訓練網路的相關參數設置 4-2 模型預測與效能評估 4-3 圖像資料擴增 第五章　預訓練模型與遷移式學習 5-1 預訓練模型 5-2 遷移式學習(transfer learning) 第六章　Deep Network Designer 6-1 建立網路模型 6-2 修正模型 6-3 使用Deep Network Designer 進行遷移學習 第七章　Experiment Manager 7-1 Experiment Manager 介面 7-2 使用Experiment Manager 訓練深度學習網路用於分類問題 7-3 使用Experiment Manager 訓練深度學習網路用於迴歸問題 7-4 使用多個預訓練模型進行遷移學習 第八章　CNN 實戰範例 8-1 CIFAR-10 圖像分類 8-2 檢查點(Checkpoint)設置 8-3 深度學習應用於網路攝影機影像分類 8-4 卷積經神經網路的學習內容可視化 8-5 深度學習應用於物件偵測 8-6 深度學習應用於語義分割 第九章　LSTM 實戰範例 9-1 深度學習應用於時間序列 9-2 序列的分類範例 9-3 序列到序列使用LSTM 的人類動作分類(human activity) 9-4 序列到序列的迴歸範例 第十章　進階範例-生成式網路 10-1 自定義的網路訓練迴圈 10-2 生成對抗網路 10-3 常見的GAN 訓練失敗模式 10-4 條件式生成對抗網路 10-5 神經風格轉換 10-6 後語

設計概念為本的數學課程：教出深入理解的中學課堂 (1版)

類似書籍推薦給您

【簡介】 　　「珍妮芙的著作是市面上思想最先進的數學教學資源之一。在強調概念為本課程設計的核心原理之同時，她平易近人的解釋和簡明的示例展現出如何引導學生獲得深入的概念性理解。這本書啟發了數學的思維！」── 洛薏絲．蘭寧（Lois A. Lanning），《設計概念為本的英語文課程》作者 　　「本書充滿引人入勝的評量示例、討論問題、研究文獻以及專屬數學主題的學習資源，瓦梭是涵蓋以上基礎的大師。任何一位數學老師或教學教練閱讀本書後，都很難不受到啟發，獲得立即可以應用在課堂的點子、評量與教學單元。對世界各地每位希望將數學帶進學生生活的教師，本書不啻一大福音。身為IB工作坊主持人暨教學教練，我希望這本書成為伸手可及的常備參考書。」── 阿勒瑟斯．威金斯(Alexis Wiggins)，IB 工作坊主持人暨顧問 　　提供學生數學內容與數學運算之間的連結——讓學生瞬間理解數學　　　 　　如果你的中學學生懼怕數學或對於學習數學感到挫折，是時候採用新方法了！當你教會學生概念而不是死背步驟，你讓他們看到數學本質的優美和實用——也幫助他們發現自己與生俱來的數學能力。 　　本書是重整裝備的藍圖，幫助老師用深入、清晰和有意義的方式教授數學，並藉由概念透鏡幫助學生學會高階層次的思考技能。珍妮芙．瓦梭為你展示如何規劃課程單元、吸引學生投入、進行理解的評量、進而融入科技，並進一步為你導覽理想的概念為本課堂。 　　本書提供的實用工具包括： 　　● 從算術到微積分的示例 　　● 探究任務、教學單元計畫實例、單元規劃表、模板與活動 　　● 搭配學生作品示範的評量示例 　　● 各國教育工作者的簡要經驗分享 　　● 搭配本書專屬的教學資源網站，提供學習指導、模板、範例、討論問題和其他專業成長活動 　　每個人都有理解數學的能力，本書特別把艾瑞克森和蘭寧所提出有關概念為本課程與教學的論述延伸到數學領域，用來幫助學生獲得深入理解與世界各地課綱標準所期待的技能，讓他們為21世紀的職場做好準備。 共同推薦 　　國立臺灣師範大學教育學系教授暨教育研究與創新中心主任　陳佩英博士 　　國立彰化師範大學科學教育研究所副教授　鄭章華博士 　　國立臺中教育大學教育學系助理教授　林佳慧博士 　　國立臺北教育大學數學暨資訊教育學系副教授　陳玟樺博士 　　國立臺北大學師資培育中心主任　李俊儀博士 【目錄】 PART Ⅰ 什麼是概念為本的數學課程與教學？研究與理論 CHAPTER 01 為什麼運用概念學習對我的學生很重要？ ．為什麼我們需要發展涵蓋概念層級的課程與教學？ ．知識性結構與歷程性結構 ．應用知識性結構與歷程性結構 ．探究式教學 CHAPTER 02 數學的知識性與歷程性結構有哪些層級？ ．知識性結構的層級 ．歷程性結構的層級 ．數學中的宏觀、中觀、微觀概念 ．知識性結構與歷程性結構的結合 ．二維度與三維度課程模式的對比 PART Ⅱ 如何雕琢通則並規劃課程單元，以確保深入的概念性理解 CHAPTER 03 什麼是數學的通則？ ．數學中的通則和原理有什麼區別？ ．我們如何雕琢優質的數學通則？ ．我們如何引導學生獲得概念性理解？ CHAPTER 04 如何規劃概念為本的課程單元？ ．單元網絡 ．單元規劃 ．引導問題 ．規劃函數課程單元 ．規劃圓的課程單元 ．規劃微積分課程單元：微分與積分 PART Ⅲ 我們如何藉由教學實作吸引學生？吸引投入和評量的策略 CHAPTER 05 我如何吸引學生？吸引學生心與腦的八大策略 ．策略一：創造一個社會化的學習環境 ．策略二：提供開放、安心的環境，讓犯錯成為學習歷程的一部分 ．策略三：運用適當程度的探究並採用歸納式取徑來發展概念性理解 ．策略四：減少教師對全班講課的時間 ．策略五：運用差異化策略來符合班上每個人的需求 ．策略六：評量策略 ．策略七：要求學生回答問題時要有目的性；團體中有安全感 ．策略八：彈性的前方：安排你的教室 CHAPTER 06 我如何知道我的學生瞭解這些概念？評量策略 ．具有概念深度的評量 ．開放式探究任務和開放式問題 ．「可見式思考」例程 ．實作評量任務 ．弗瑞爾模型 ．概念獲得卡 ．同意、不同意和取決於 ．0、1、2 或 3 ．評量與發展核心跨學科技能 ．評量發展中的概念為本學生 ．自我評量 CHAPTER 07 我如何整合科技來培養概念性理解？ ．數學繪圖軟體與數位繪圖計算機 ．翻轉教室 ．多媒體專題 ．協作工具：Google應用程式 ．行動裝置上的應用程式 ．不使用科技時 CHAPTER 08 理想的概念為本數學課堂像什麼樣子？ ．培養成長心態的文化 ．理想教室中的教學原則 ．發展理想的概念為本數學教學單元 ．發展理想數學課堂中的概念為本教學單元計畫 ．有關概念為本課程與教學常見的顧慮和誤解 ．本書結語 術語彙編 在中學的讀書會教出深入理解 參考文獻

探索感官資料: 深入市場資料科學

類似書籍推薦給您

【簡介】 針對商品感官屬性的評分資料，介紹分析方法與視覺化討論的技巧。 感官資料有各式各樣的形態，除了量化數字，還有質性文字，本書將以量化數字為主軸，透過多變量方法的應用與視覺化技術，來回答：最受消費者喜歡的是哪些特性？現行商品符合市場需求嗎？ 本書寫作為完整的資料導向，涵蓋推薦系統和消費者與專家品鑑兩類資料的形狀與特性，實做上則以R 套件SensoMineR 完成分析為重點。每章開場皆以詳述特定的資料結構為鋪陳，希望透過認識資料（know your data）深入感官資料分析的方法。 第一章是基於消費的採購行為所做的關聯推論，也是第二章品鑑資料的基礎。第三章則是稍微特殊一點的感官資料，也就是對商品屬性的專業品鑑，分別針對專業品鑑者（panelists）和商品的多種屬性作系統性分析。第四、五章為「商品角度的感官評分：單維度以及多重的屬性清單」。最後一章則是分析現今最流行的「按讚」行為，從中分析出消費者的偏好。 【目錄】 序 第一章　推薦演算之一：關聯規則與購物籃分析 第一節　交易記錄資料與基礎測量 第二節　關聯規則演算法之一：Apriori 第三節　其他方法 第二章　推薦演算之二：評分資料分析Real Rating 第一節　Real Rating 資料處理 第二節　協同演算法Collaborative Filtering 第三章　感官資料量化分析：ANOVA 方法 第一節　 品鑑者角度的感官品鑑：單維度屬性清單 第二節　ANOVA 之一：使用panelperf() 第三節　ANOVA 之二：使用paneliperf() 第四章　 商品角度的感官評分之一：單維度屬性清單 第一節　資料 第二節　主成分方法簡介 第三節　adjmean 的主成分分析 第四節　集群分析方法 第五節　 adjmean 的集群分析之一：階層式集群樹狀圖 第六節　adjmean 的集群分析之二：K-means 方法 第五章　 商品角度的感官評分之二：屬性的多重清單 第一節　利用MFA 建構商品空間 第二節　從Group 角度的整合與詮釋 第三節　資料練習—酒的感官饗宴 第六章　大家一起來按讚：消費者品鑑 第一節　享樂分數資料分析 第二節　當消費者喜好Liking 遇到專家評分Rating 第三節　消費者接受性分析之一：JAR 資料 第四節　消費者接受性分析之二：IPM 資料