內容簡介
國內外最具代表性案例
兩大雲端應用、15項分類實例、9大專題實戰
自然語言、文字識別、語音轉換、分析預測、
物件自動標示、影像辦識真正實練!
從資料收集整理、模型訓練調整,
檢測修正到產出全面解秘!
資料科學(Data Science)技術崛起後,人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實,人工智慧的應用早已出現在我們生活周遭,如即時車牌影像辨識,以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。
在資料科學領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底,運用Python進行實作,深入人工智慧技術,掌握機器學習與深度學習的真正強大應用。
程式人、工程師挑戰人工智慧最佳學習地圖
由類神經網路基礎到AI應用實戰
訓練、模型、預測、辨識、分析與驗證
全面深入機器學習與深度學習領域技術核心
■打造專屬Python、TensorFlow與Keras最強開發環境,加碼體驗機器學習雲端平台Microsoft Azure與演算法平台Algorithmia。
■圖解簡化複雜難懂的類神經網路觀念,涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。
■顛覆只重視理論或產生結果的傳統機器學習內容,實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。
■全面深入不同應用面向:印刷文字辨識、手寫文字識別、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部偵測、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號與年份偵測、自動標示物件、資料走勢預測…
■網羅國內外最具代表性案例:文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等,進行有系統而扎實的真正演練。
■一次領略機器學習與深度學習的重要關鍵話題:TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Azure、Cognitive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、face++、SQLite、SQLite Database Browser、Haar
■針對專案實戰提供關鍵影音輔助教學,加速學習效率。
從資料收集整理、模型訓練調整,
檢測修正到產出全面解秘!
資料科學(Data Science)技術崛起後,人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實,人工智慧的應用早已出現在我們生活周遭,如即時車牌影像辨識,以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。
在資料科學領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底,運用Python進行實作,深入人工智慧技術,掌握機器學習與深度學習的真正強大應用。
程式人、工程師挑戰人工智慧最佳學習地圖
由類神經網路基礎到AI應用實戰
訓練、模型、預測、辨識、分析與驗證
全面深入機器學習與深度學習領域技術核心
■打造專屬Python、TensorFlow與Keras最強開發環境,加碼體驗機器學習雲端平台Microsoft Azure與演算法平台Algorithmia。
■圖解簡化複雜難懂的類神經網路觀念,涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。
■顛覆只重視理論或產生結果的傳統機器學習內容,實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。
■全面深入不同應用面向:印刷文字辨識、手寫文字識別、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部偵測、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號與年份偵測、自動標示物件、資料走勢預測…
■網羅國內外最具代表性案例:文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等,進行有系統而扎實的真正演練。
■一次領略機器學習與深度學習的重要關鍵話題:TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Azure、Cognitive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、face++、SQLite、SQLite Database Browser、Haar
■針對專案實戰提供關鍵影音輔助教學,加速學習效率。
- Chapter 01 打造最強環境:TensorFlow 和 Keras(第1-1頁)
- 1.1 人工智慧、機器學習和深度學習的關係(第1-2頁)
- 1.2 什麼是機器學習?(第1-4頁)
- 1.3 什麼是深度學習?(第1-6頁)
- 1.4 TensorFlow 與 Keras(第1-7頁)
- 1.5 建置 Python 的開發環境(第1-9頁)
- 1.6 建置開發 TenserFlow 和 Keras 的虛擬環境(第1-13頁)
- 1.7 Python 編輯器的使用(第1-16頁)
- 1.8 安裝 GPU 版的 TensorFlow 和 Keras(第1-22頁)
- Chapter 02 機器學習起點:多層感知器 ( MLP )(第2-1頁)
- 2.1 認識多層感知器 ( MLP )(第2-2頁)
- 2.2 認識 Mnist 資料集(第2-7頁)
- 2.3 多層感知器模型資料預處理(第2-11頁)
- 2.4 多層感知器實戰:Mnist 手寫數字圖片辨識(第2-13頁)
- 2.5 模型儲存和載入(第2-22頁)
- 2.6 模型權重的儲存和載入(第2-26頁)
- 2.7 建立多個隱藏層(第2-29頁)
- Chapter 03 影像識別神器:卷積神經網路 ( CNN )(第3-1頁)
- 3.1 卷積神經網路 ( CNN ) 基本結構(第3-2頁)
- 3.2 卷積神經網路實戰:Mnist 手寫數字圖片辨識(第3-5頁)
- 3.3 模型權重的儲存和載入(第3-15頁)
- Chapter 04 語言文字處理利器:循環神經網路 ( RNN )(第4-1頁)
- 4.1 循環神經網路 ( RNN ) 基本結構(第4-2頁)
- 4.2 循環神經網路實戰:Mnist 手寫數字圖片辨識(第4-5頁)
- 4.3 模型權重的儲存和載入(第4-14頁)
- 4.4 長短期記憶 ( LSTM )(第4-18頁)
- Chapter 05 體驗機器學習雲端平台:Microsoft Azure(第5-1頁)
- 5.1 專題方向(第5-2頁)
- 5.2 電腦視覺資源(第5-3頁)
- 5.3 臉部辨識資源(第5-17頁)
- 5.4 文字語言翻譯資源(第5-23頁)
- Chapter 06 一探演算法雲端寶庫:Algorithmia(第6-1頁)
- 6.1 專題方向(第6-2頁)
- 6.2 認識 Algorithmia 平台(第6-3頁)
- 6.3 使用 Algorithmia 演算法(第6-9頁)
- Chapter 07 自然語言處理:文字雲與文章自動摘要(第7-1頁)
- 7.1 專題方向(第7-2頁)
- 7.2 Jieba 模組(第7-3頁)
- 7.3 文字雲(第7-11頁)
- 7.4 文章自動摘要(第7-20頁)
- Chapter 08 語音辨識應用:YouTube 影片加上字幕(第8-1頁)
- 8.1 專題方向(第8-2頁)
- 8.2 語音辨識(第8-3頁)
- 8.3 影片字幕製作軟體:Aegisub(第8-10頁)
- Chapter 09 投資預測實證:股票走勢分析(第9-1頁)
- 9.1 專題方向(第9-2頁)
- 9.2 台灣股市資訊模組:twstock(第9-3頁)
- 9.3 股票分析(第9-7頁)
- 9.4 股票預測(第9-16頁)
- Chapter 10 最狂刷臉時代:臉部辨識登入系統(第10-1頁)
- 10.1 專題方向(第10-2頁)
- 10.2 face++ 網站及 SQLite 資料庫(第10-3頁)
- 10.3 本機版刷臉登入系統(第10-13頁)
- 10.4 雲端版刷臉登入系統(第10-22頁)
- Chapter 11 自動標示物件:用Haar特徵分類器擷取車牌(第11-1頁)
- 11.1 專題方向(第11-2頁)
- 11.2 準備訓練 Haar 特徵分類器資料(第11-3頁)
- 11.3 建立車牌號碼 Haar 特徵分類器模型(第11-9頁)
- 11.4 使用 Haar 特徵分類器模型(第11-21頁)
- Chapter 12 無所遁形術:即時車牌影像辨識(第12-1頁)
- 12.1 專題方向(第12-2頁)
- 12.2 車牌號碼機器學習訓練資料(第12-3頁)
- 12.3 建立車牌辨識系統(第12-16頁)
紙本書 NT$ 520
單本電子書
NT$
364
同分類熱門書