EPUB PDF
本書有DRM加密保護,需使用HyRead閱讀軟體開啟
  • 深度學習入門教室:6堂基礎課程+Python實作練習 Deep Learning、人工智慧、機器學習的理論和應用全圖解
  • 點閱:1124
  • 譯自:いちばんやさしいディープラーニング入門教室
  • 作者: 谷岡広樹, 康鑫著 , 莊永裕譯
  • 出版社:臉譜, 城邦文化出版 家庭傳媒城邦分公司發行
  • 出版年:2019[民108]
  • 集叢名:科普漫遊:FQ1054
  • ISBN:978-986-235-715-6 ; 986-235-715-0
  • 格式:EPUB,PDF
  • 版次:初版

內容簡介

――――超人氣暢銷書《演算法圖鑑》姊妹作,機器學習初學者最佳入門書!――――
 
人工智慧時代關鍵能力!深度學習深在哪裡?
強化運算思維,建構邏輯概念,一次弄懂深度學習活用之道!
 

★ 精闢剖析深度學習發展史,詳述機器學習的基礎知識!
★ 完整解說熱門程式語言第一名Python的環境建構和基本語法!
★ 圖像化示範TensorFlow和Keras的安裝,開發AI必學必讀!
★ 介紹類神經網路的基本思考方式和程式範例,逐步加深理解!
★ 說明使用卷積神經網路的影像辨識演算法,進一步強化學習!
★ 全面了解提升深度學習準確度的演算法,掌握應用的訣竅!
 
█ 迎接運算時代,紮實學好Deep Learning的要點!
 
本書以想試著開始使用時下流行的深度學習之讀者為對象,從理論到實踐進行了統整。書中詳細說明深度學習基礎理論的類神經網路,以及相關的必要數學知識,同時講解程式原始碼,以實際動手操作的方式來幫助理解。
 
坊間已經有眾多的機器學習與深度學習相關書籍,但類神經網路理論的學習門檻相當高、深度學習應用程式框架入門難度深、不容易掌握進一步應用的要領等等,常令初學者無法看清活用深度學習的探索之路。
 
本書首先介紹類神經網路的概念,緊接著說明如何使用應用程式框架進行深度學習,讓學習者初步感受這個領域。接下來介紹各種應用,大量運用範例來說明。在此之後,對於想進一步學習理論的讀者,介紹機器學習的學習方式;對於想挑戰進階深度學習應用的讀者,說明演算法等等。
 
█ 豐富圖解一目瞭然,「文字辨識」、「影像辨識」、「自然語言處理」實際演練!
 
本書的目標是幫助讀者了解什麼是深度學習、什麼是AI之後,能夠實際動手實作,期使讀者不致一知半解,不會只是執行範例卻不知接下來能做什麼,而能學會確實地判斷為了何種目的該使用何種應用程式框架,以及實際進行的步驟。
 
想挑戰AI開發的理工科學生、想更上一層樓的工程師、想了解深度學習基礎理論的人、使用TensorFlow和Keras嘗試實際安裝的人、想弄懂機器學習所需的數學的人,都能從本書平易的解說中學習到必要的知識。
 
【本書的架構】
 
▌第1章:論及深度學習以及其背景的機器學習相關話題,解析人工智慧(AI)的概念。
 
▌第2章:說明Python的環境建構與深度學習所需函式庫的安裝方法,包括在Windows與Mac兩種環境上的說明,解說必需的基礎Python文法。
 
▌第3章:藉由能以簡潔的敘述來使用多個函式庫的Keras實作深度學習,同時製作影像辨識的程式來體驗深度學習。進行導入Keras並公開發佈的熱門函式庫TensorFlow、數值運算函式庫與資料繪製函式庫等等的準備。
 
▌第4章:解說類神經網路的理論,同時實際試著使用名為MNIST的文字辨識範例程式來加深理解。
 
▌第5章:說明使用卷積神經網路的影像辨識演算法。
 
▌第6章:介紹提升深度學習準確度的演算法、自然語言處理等,用於影像辨識以外的範例程式。


作者簡介
 
谷岡広樹Hiroki Tanioka
1973年出生於日本德島縣。1997年畢業於千葉大學,2004年於信州大學工學系研究所修讀完成碩士課程。2008年於信州大學總合工學系研究所修讀完成博士課程。工學博士。1997年4月起歷任日本國內IT企業的軟體工程師、研究開發經理,2016年4月赴任德島大學資訊中心助理教授。對於資訊檢索、機器學習、自然語言處理等有深厚興趣,目前進行應用於交談系統、運動資料、醫療資訊、資訊檢索與機器學習等的研究開發。資訊處理學會(情報処理学会)、人工智慧學會(人工知能学会)、語言處理學會(言語処理学会)、IEEE(電機電子工程師學會)、ACM(電腦協會)會員。
 

康鑫Kang Xin
1983年出生於中國遼寧省。2006年畢業於中國東北大學,2009年於北京郵電大學信息工程研究所修讀完成碩士班。2013年於德島大學工學研究所修讀完成博士課程。工學博士。2014年4月赴任同濟大學電子與信息工程學院博士後研究員,2015年4月赴任德島大學國際合作教育中心助理教授,2015年12月起任職德島大學理工學研究所助理教授至今。對於自然語言處理、情感計算、強化學習相關、深層語言模型等有深厚興趣,目前進行能讓對話機器人獲得自我認識的智慧之研究。電子資訊通訊學會(電子情報通信学会)、IEEE(電機電子工程師學會)會員。
 
譯者簡介
 
莊永裕
日本東京大學情報理工學博士。現任中央大學資工系助理教授。主要研究領域為程式語言設計、軟體工程,以及高效能運算。ACM、IEEE、IPSJ學會會員。曾任東京大學情報理工學系研究科助理教授,旅居日本多年。譯有數本程式語言與軟體開發相關之日文書籍。日常興趣為旅行、攝影、小說與音樂。


  • 序言(第2頁)
    • 本書的目的(第3頁)
    • 本書的架構(第3頁)
  • Chapter 1 深度學習與機器學習(第10頁)
    • Lesson 1-1 深度學習的基礎(第12頁)
    • Lesson 1-2 深度學習的歷史(第14頁)
    • Lesson 1-3 機器學習的基礎知識(第21頁)
    • Lesson 1-4 機器學習所需的數學(第25頁)
    • ◎COLUMN 1 什麼是人工智慧?(第33頁)
  • Chapter 2 Python的準備與基本語法(第34頁)
    • Lesson 2-1 Python的安裝~Windows篇~(第36頁)
    • Lesson 2-2 Python的安裝~Mac篇~(第40頁)
    • Lesson 2-3 函式庫的安裝~Windows篇~(第47頁)
    • Lesson 2-4 函式庫的安裝~Mac篇~(第51頁)
    • Lesson 2-5 Python的基本語法(第53頁)
    • ◎COLUMN 2 使用Java的實作(第69頁)
  • Chapter 3 深度學習的體驗(第70頁)
    • Lesson 3-1 TensorFlow與Keras的安裝(第72頁)
    • Lesson 3-2 使用Jupyter Notebook(第78頁)
    • Lesson 3-3 數值運算函式庫NumPy的使用方法(第84頁)
    • Lesson 3-4 資料繪製函式庫Matplotlib的使用方法(第86頁)
    • Lesson 3-5 以Keras體驗深度學習(第88頁)
    • ◎COLUMN 3 什麼是TensorFlow?(第93頁)
  • Chapter 4 類神經網路的基礎(第94頁)
    • Lesson 4-1 神經元與感知器(第96頁)
    • Lesson 4-2 激勵函數(第99頁)
    • Lesson 4-3 赫布理論與差量規則(第102頁)
    • Lesson 4-4 類神經網路的學習(第104頁)
    • Lesson 4-5 學習方法的差異與損失函數(第115頁)
    • Lesson 4-6 梯度法(第123頁)
    • Lesson 4-7 反向傳播算法(第127頁)
    • Lesson 4-8 MNIST(第129頁)
    • ◎COLUMN 4 維度的詛咒與過適(第142頁)
  • Chapter 5 卷積神經網路(第144頁)
    • Lesson 5-1 卷積神經網路的基礎(第146頁)
    • Lesson 5-2 卷積運算(第149頁)
    • Lesson 5-3 卷積層(第153頁)
    • Lesson 5-4 深層卷積神經網路(第158頁)
    • Lesson 5-5 以補零卷積(第164頁)
    • Lesson 5-6 增廣範圍的卷積(第168頁)
    • Lesson 5-7 卷積ReLU層(第172頁)
    • Lesson 5-8 池化層(第175頁)
    • Lesson 5-9 全連結層(第180頁)
    • Lesson 5-10 深層卷積神經網路的學習(第187頁)
    • Lesson 5-11 過適與丟棄(第194頁)
    • Lesson 5-12 卷積的進一步詳細資訊(第199頁)
    • ◎COLUMN 5 使用GPU學習(第202頁)
  • Chapter 6 深度學習的應用(第204頁)
    • Lesson 6-1 遞迴神經網路(RNN)(第206頁)
    • Lesson 6-2 LSTM類神經網路(第213頁)
    • Lesson 6-3 門閘遞迴單元(GRU)(第219頁)
    • Lesson 6-4 RNN語言模型(第225頁)
    • Lesson 6-5 Sequence-To-Sequence模型(第233頁)
    • Lesson 6-6 Attention(第236頁)
    • ◎COLUMN 6 由上而下與由下而上(第239頁)
  • 結語(第240頁)
  • 謝辭(第241頁)
  • 參考文獻(第242頁)
紙本書 NT$ 550
單本電子書
NT$ 385

還沒安裝 HyRead 3 嗎?馬上免費安裝~
QR Code