本書有DRM加密保護,需使用HyRead閱讀軟體開啟
  • 圖解AI與深度學習的運作機制
  • 點閱:179
    16人已收藏
  • 作者: 涌井貞美著
  • 出版社:台灣東販
  • 出版年:2021
  • ISBN:9786263047525
  • EISBN:9786263048942 EPUB
  • 格式:EPUB 版式
  • ● 本書因出版社限制不提供朗讀功能
  • ● 本書因出版社限制不提供繁簡轉換功能

近年來最熱門的科技關鍵字「AI人工智慧」,到底是如何做出判斷的呢?
目前人工智慧領域中最熱門的「深度學習」,又是怎麼一回事?

在科技快速進步的現代,了解AI的機制與原理,已經成了必備的知識。
AI相關的科技雖然看似複雜,但若只是想了解原理,而不深究數學上的細節的話,其實並沒有想像中那麼困難。


「深度學習」是機器學習方式的一種,與過往由人類教導機器學習的方式不同,是由機器自己從大量的資料中學習,並做出判斷。
本書即是一本從頭解說「深度學習」運作機制的入門書。
書中搭配了豐富的圖表,文字淺白且說明深入淺出,只要有高中程度的數學知識,就可以充分理解本書所講解的內容,讓你在閱讀本書時,實際體會到「原來AI是這樣思考、這樣做出判斷的!」。

Step 1→說明深度學習的活躍情況
深度學習的登場,讓現代的AI有了飛躍性地發展。一開始會先從「現在的AI」是什麼樣子,以及AI與深度學習之間的關係開始講起。

Step 2→用許多插圖及例子說明深度學習的機制
在進行數學性的說明之前,先讓我們用插圖來看看深度學習是什麼樣的東西吧。雖然這樣的說明並不嚴謹,但可以幫助各位了解深度學習的概念。

Step 3→用數學式仔細說明神經網路的機制
在藉由許多插圖解釋深度學習與神經網路的機制之後,接著會用數學式更進一步深入解說神經網路是如何運作的。


涌井貞美

  • 書封
  • 第1章 活躍中的深度學習
  • 開啟AI時代的深度學習
  • 深度學習與AI
  • 機器學習與深度學習
  • 深度學習的本質與特徵抽取
  • 監督學習與非監督學習
  • 圖像解析與深度學習
  • 語音識別與深度學習
  • 與Big Data十分契合的深度學習
  • 撐起第四次工業革命的深度學習
  • 第2章 用圖說明深度學習的機制
  • 從神經元開始談起
  • 用神經元機器人來說明
  • 將神經元機器人排成一層層
  • 神經網路產生智慧的機制
  • 神經網路的「學習」是什麼意思
  • 用圖說明什麼是卷積神經網路
  • 用圖說明什麼是遞迴神經網路
  • 第3章 說明深度學習之前的準備
  • Sigmoid函數
  • 資料分析時的模型與參數
  • 理論與實際的誤差
  • 第4章 了解什麼是神經網路
  • 以數學式表示神經元的運作方式
  • 單元與活化函數
  • Sigmoid神經元
  • 神經網路的實例
  • 神經網路各層的運作方式與變數符號
  • 神經網路的目標函數
  • 神經網路的「學習」
  • 對神經網路「學習」結果的解釋
  • 第5章 了解卷積神經網路的機制
  • 卷積神經網路的準備
  • 卷積神經網路的輸入層
  • 卷積神經網路的卷積層
  • 卷積神經網路的池化層
  • 卷積神經網路的輸出層
  • 卷積神經網路的目標函數
  • 卷積神經網路的「學習」
  • 對卷積神經網路「學習」結果的解釋
  • 測試卷積神經網路
  • 第6章 了解遞迴神經網路的機制
  • 遞迴神經網路的概念
  • 遞迴神經網路的展開圖
  • 遞迴神經網路中各層的運作機制
  • 用數學式表示遞迴神經網路
  • 遞迴神經網路的目標函數
  • 遞迴神經網路的「學習」
  • 第7章 了解誤差反向傳播法的機制
  • 誤差反向傳播法是最佳化計算的基礎
  • 誤差反向轉播法(Backpropagation法)的機制
  • 用Excel體驗誤差反向傳播法
  • 用Python體驗誤差反向傳播法
  • 附錄
  • 本書使用的訓練資料(Ⅰ)
  • 本書使用的訓練資料(Ⅱ)
  • VBA的使用方式
  • 新增規劃求解功能
  • 在Windows 10使用命令提示字元的方法
  • Python安裝方法
  • 微分的基礎知識
  • 多變數函數的近似公式與梯度
  • 卷積在數學上的意義
  • 單元的誤差與梯度的關係
  • 單元的誤差與各層間的關係
  • 索引
  • 版權頁
紙本書 NT$ 480
單本電子書 NT$ 336
優惠價
NT$ 286
(優惠期限:2024-06-30)

還沒安裝 HyRead 3 嗎?馬上免費安裝~
QR Code