Readmoo 讀墨電子書
每日優惠
深度學習：最強入門邁向AI專題實戰
0 則劃線
0 篇書評

深度學習：最強入門邁向AI專題實戰

分類導覽 > 電腦科技 > 程式設計
共 1 人評分
  • 出版日期： 2022/06/01
  • 語言：繁體中文
  • 檔案大小：87.6MB
  • 商品格式：固定版面 EPUB
  • ISBN: 9786267146255
  • ISBN: 9789860776263
  • 頁數： 884
紙本書定價：NT$ 1200
電子書售價：NT$ 960
本書為固定版面 EPUB，建議您使用 mooInk Pro 系列、平板及電腦閱讀。
購買領書額度

深度學習
最佳入門邁向AI專題實戰
★★★★★【深度學習】★★★★★
☆☆☆☆☆【理論】+【實作】☆☆☆☆☆
這是目前市面上講解【深度學習(Deep Learning)】從基礎到應用最完整的書籍，從基礎數學與統計開始，將演算法的原理解釋得更簡易清晰，協助讀者跨入 AI 的門檻，為避免流於空談，盡量增加應用範例，希望能達到即學即用。多位試閱本書內容的專家與學者全部皆給【五顆星】滿分評價。
整本書採用【最新版TensorFlow】+【大量圖片輔助】，+
【完整理論解說】+【Python程式實作】以原理與實作，講解下列最熱門的AI主題。
☆【神經網路(NN)】
☆【卷積神經網路(CNN)】
☆【物件偵測(YOLO)】
☆【光學文字辨識(OCR)】
☆【車牌辨識(ANPR)】
☆【人臉辨識】
☆【生成對抗網路
(GAN)】
☆【深度偽造
(DeepFake)】
☆【自然語言處理(NLP)】
☆【聊天機器人(ChatBot)】
☆【語音辨識(ASR)】
☆【強化學習(RL)】
讀者只要遵循本書步驟學習相信必可以徹底認識人工智慧、機器學習與深度學習觀念，邁向浩瀚領域。

喜歡這本的人，也看了...

  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 960

    ★★★★★【內容最紮實、應用最廣】【40個主題】★★★★★ ★★★★★【程式實例最多】【約1280個Python實例】★★★★★ ★★★★★【18大類Python潛在應用】★★★★★ ★★★★★【400個是非題、選擇題】【280個習題實作題】★★★★★

    試讀
  • 李航
    深智數位股份有限公司
    電子書： NT$ 704

    第一版熱賣加印十幾萬冊！第二版內容更完整！ ☆☆統計學習方法全書☆☆ 統計學習方法即為機器學習方法，是電腦及其應用領域的重要學科之一。 本書分為監督學習、無監督學習兩篇，全面系統地介紹了統計學習的主要方法。

    試讀
  • 史考特．羅傑斯
    大家出版
    電子書： NT$ 655

    把你腦中的靈感發展成能通過市場考驗的遊戲 你所需要的遊戲製作知識全在這裡！ 暢銷大作《戰神》、《小精靈世界》設計師心法傳授 　　手機遊戲已蔚為風潮、主機遊戲仍有死忠玩家，當大家都想玩遊戲，我能不能也來把腦袋裡的想法變成遊戲？我的遊戲又要如何在海量遊戲中抓住眼光、贏得口碑、獲得最多玩家？ ...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    出版日期：2022-01-01
    電子書： NT$ 712

    ★★★★★ 國內作者【第一本】×【全彩印刷】×【AI視覺】書籍 ★★★★★ ★★★★★ 完整解說【影像創意】×【AI視覺】的實例 ★★★★★ ★★★★★【31個主題】＋【423個Python實例】★★★★★ 筆者在撰寫這本書除了採用當下最熱門的Python程式語言，同時採用2步驟說明：...

    試讀
  • OXXO（張宗彥）
    深智數位股份有限公司
    電子書： NT$ 544

    ★☆★ AI 影像辨識一本精通！ ★☆★ ★☆★ 超過 200 個完整範例程式碼 ★☆★ AI 影像辨識是近年來非常夯的議題，隨著資訊科技的蓬勃發展，越來越多好用的工具推陳出新，也越來越容易跨入 AI 影像辨識領域，不論是電子、資訊領域、醫療、百貨，各行各業中陸續都能看到 AI 影像辨識的應...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 496

    ★★★最高CP值的免費AI工具一次收錄★★★ ★★★文字：不擅寫作？AI幫你寫詩寫文案★★★ ★★★繪圖：不會畫圖？用文字讓AI幫你繪圖★★★ ★★★視覺：不會描述圖片內容？AI陪你分析圖片、看圖說故事★★★ ★★★音樂：不懂樂理？AI為你寫一首歌★★★ ★★★影片：不會拍片？用圖片和文字...

    試讀
  • 許宏翔（Mike Hsu）
    博碩文化
    出版日期：2023-11-01
    電子書： NT$ 520

    覺得 Kubernetes 門檻太高？那你找對地方了！ 從敬而遠之到心領神會~九大核心主題，由淺入深逐一擊破！

    試讀
  • 洪錦魁
    深智數位股份有限公司
    出版日期：2022-11-01
    電子書： NT$ 576

    ★★★★★【688張全彩圖例】+【圖解演算法原理和邏輯思維】★★★★★ ★★★★★【20個主題】+【220個Python程式實例】★★★★★ ★★★★★【邏輯思維】+【Python實作】=【演算法的精髓】★★★★★ 本書的第一版曾經獲得博客來與天瓏暢銷排行榜第1名，撰寫這本書時採用下列原則。 ...

    試讀
  • 劉邦鋒
    國立臺灣大學出版中心
    電子書： NT$ 790

    本書主要針對高中與大學開始接觸程式設計的初學者，及想學好C++11程式設計的讀者所設計。書中文字敘述力求淺顯簡潔，並以大量範例、片語、學習要點、風格要點等方式，逐步引導初學者進入程式設計的領域。

    試讀
  • 石田保輝 宮崎修一
    臉譜
    電子書： NT$ 385

    ★超人氣暢銷演算法學習書全新增訂版！新增7種演算法詳細圖解+「資料壓縮」，內容增補修訂！ ★全球超過250萬人使用，「Apple年度最佳APP」書籍化！ ★隨書附贈獨家贈品「七大主題演算法圖解記憶表」 ★★ 讀再多文字解說都看不懂？沒關係，全部畫給你看，一次弄懂演算法到底是什麼！★★

    試讀
  • 大槻兼資 秋葉拓哉
    臉譜
    電子書： NT$ 455

    ——在日暢銷兩萬冊，獲頒日本「IT工程師書籍大獎2021特別獎」—— 演算法不只是知識，更該是解決問題的手段── 從理解演算法的設計技法、資料結構、圖演算法到解決問題， 透過大量圖解、程式競賽例題與實際案例， 告訴你如何真正學會並應用演算法，具體解決現實生活中的難題！

    試讀
  • 賴怡玲（小賴）
    博碩文化
    出版日期：2023-09-08
    電子書： NT$ 520

    掌握容器原理，除錯更快速！ 跟著實驗操作，帶你告別一知半解，深入了解 Container！

    試讀
  • 洪錦魁
    深智數位股份有限公司
    出版日期：2022-12-01
    電子書： NT$ 864

    Python最強入門邁向頂尖高手之路 王者歸來 第二版 本書特色 本書第一版曾經榮登博客來、天瓏、Momo暢銷排行榜第一名 本書除了贈送全書1101個程式實例，所有是非與選擇題皆附有習題解答，實作題部分有約260多個程式實例則是贈送所有偶數題的解答，有了這些解答讀者可以自行驗證學習成果。 ...

    試讀
  • 林子軒
    深智數位股份有限公司
    電子書： NT$ 624

    ★☆★☆★ 獨家解析知名大數據專案，FinMind，帶你一窺大數據產品的發展過程，打造專屬個人的大數據 Side Project、作品、產品 ★☆★☆★ 本書承襲第一版的精彩內容，分享在 Github 獲得 1,900 stars 的大數據 Side Project，並幫助讀者從 0 ...

    試讀
  • 江彼得森
    xinworkshop工作室
    電子書： NT$ 390

    別因為你是一般上班族或從事其它服務業、餐飲業甚至是業農等等，就覺得寫 app 對你來說是一件不可能學會的事，甚至會覺得學程式是一種恐懼 ! 如果你真的那麼認為，或許你可以試讀看看本書。而我更相信：全民皆可寫程式的時代已經來臨了。

    試讀
  • 王思婷（Sunny）
    博碩文化
    出版日期：2023-11-01
    電子書： NT$ 490

    想跑好敏捷從 Jira 出發，本書將帶你踏上敏捷之路！ 議題追蹤 × 自動化 × 外掛整合一次搞定

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 608

    ★★★★★【內容最廣】【技巧最全面】★★★★★ ★★★★★【33個主題】【832頁內容】【608個實例】★★★★★ ★★★★★【2600張Excel說明畫面】【170個圖表】★★★★★

    試讀
  • 汪益
    奇遠科技股份有限公司
    電子書： NT$ 380

    這本書雖然名為試算表，在汪益老師的運用下，試算表不僅僅是試算表 更是訓練邏輯、程式語言與數理實驗的最佳工具 本書集結汪益老師多年在學校推動用試算表驗證數學的經驗，完整體現試算表除了商業應用之外在數學、邏輯與程式設計上的訓練。

    試讀
  • 陳會安
    博碩文化
    出版日期：2020-12-02
    電子書： NT$ 460

    ☀科技來自於人性，讓程式設計回歸生活上的應用！ ☀ 本書不只讓你學會Python，還要讓它「真正」進入你的日常生活！

    試讀
  • 卡斯伯
    博碩文化
    出版日期：2022-12-15
    電子書： NT$ 520

    著重JavaScript實戰應用與核心知識！ 掌握一定要會的JavaScript面試致勝筆記！

    試讀

    • 詳細資訊

    深度學習
    最佳入門邁向AI專題實戰
    ★★★★★【深度學習】★★★★★
    ☆☆☆☆☆【理論】+【實作】☆☆☆☆☆
    這是目前市面上講解【深度學習(Deep Learning)】從基礎到應用最完整的書籍，從基礎數學與統計開始，將演算法的原理解釋得更簡易清晰，協助讀者跨入 AI 的門檻，為避免流於空談，盡量增加應用範例，希望能達到即學即用。多位試閱本書內容的專家與學者全部皆給【五顆星】滿分評價。
    整本書採用【最新版TensorFlow】+【大量圖片輔助】，+
    【完整理論解說】+【Python程式實作】以原理與實作，講解下列最熱門的AI主題。
    ☆【神經網路(NN)】
    ☆【卷積神經網路(CNN)】
    ☆【物件偵測(YOLO)】
    ☆【光學文字辨識(OCR)】
    ☆【車牌辨識(ANPR)】
    ☆【人臉辨識】
    ☆【生成對抗網路
    (GAN)】
    ☆【深度偽造
    (DeepFake)】
    ☆【自然語言處理(NLP)】
    ☆【聊天機器人(ChatBot)】
    ☆【語音辨識(ASR)】
    ☆【強化學習(RL)】
    讀者只要遵循本書步驟學習相信必可以徹底認識人工智慧、機器學習與深度學習觀念，邁向浩瀚領域。

    目錄列表

  • 深度學習：最強入門邁向AI專題實戰
    1. 目錄
      1. 第一篇 深度學習導論
        1. 01 深度學習（Deep Learning）導論
          1. 1-1 人工智慧的三波浪潮
          2. 1-2 AI 的學習地圖
          3. 1-3 機器學習應用領域
          4. 1-4 機器學習開發流程
          5. 1-5 開發環境安裝
          6. 參考資料（References）
        2. 02 神經網路（Neural Network）原理
          1. 2-1 必備的數學與統計知識
          2. 2-2 線性代數（Linear Algebra）
            1. 2-2-1 向量（Vector）
            2. 2-2-2 矩陣（Matrix）
            3. 2-2-3 聯立方程式求解
          3. 2-3 微積分（Calculus）
            1. 2-3-1 微分（Differentiation）
            2. 2-3-2 微分定理
            3. 2-3-2 偏微分（Partial Differentiation）
            4. 2-3-3 簡單線性迴歸求解
            5. 2-3-4 積分（Integration）
          4. 2-4 機率（Probability）與統計（Statistics）
            1. 2-4-1 資料型態
            2. 2-4-2 抽樣（Sampling）
            3. 2-4-3 基礎統計（Statistics Fundamentals）
            4. 2-4-4 機率（Probability）
            5. 2-4-5 機率分配（Distribution）
            6. 2-4-6 假設檢定（Hypothesis Testing）
          5. 2-5 線性規劃（Linear Programming）
          6. 2-6 最小平方法（OLS）vs.最大概似法（MLE）
            1. 2-6-1 最小平方法（OLS）
            2. 2-6-2 最大概似法（MLE）
          7. 2-7 神經網路（Neural Network）求解
            1. 2-7-1 神經網路（Neural Network）
            2. 2-7-2 梯度下降法（Gradient Descent）
            3. 2-7-3 神經網路求解
          8. 參考資料（References）
      2. 第二篇 TensorFlow基礎篇
        1. 03 TensorFlow架構與主要功能
          1. 3-1 常用的深度學習套件
          2. 3-2 TensorFlow架構
          3. 3-3 張量（Tensor）運算
          4. 3-4 自動微分（Automatic Differentiation）
          5. 3-5 神經層（Neural Network Layer）
          6. 參考資料（References）
        2. 04 神經網路實作
          1. 4-1 撰寫第一支神經網路程式
            1. 4-1-1 最簡短的程式
            2. 4-1-2 程式強化
            3. 4-1-3 實驗
          2. 4-2 Keras模型種類
            1. 4-2-1 Sequential model
            2. 4-2-2 Functional API
          3. 4-3 神經層（Layer）
            1. 4-3-1 完全連接神經層（Dense Layer）
            2. 4-3-2 Dropout Layer
          4. 4-4 激勵函數（Activation Function）
          5. 4-5 損失函數（Loss Functions）
          6. 4-6 優化器（Optimizer）
          7. 4-7 效能衡量指標（Performance Metrics）
          8. 4-8 超參數調校（Hyperparameter Tuning）
          9. 參考資料（References）
        3. 05 TensorFlow其他常用指令
          1. 5-1 特徵轉換
          2. 5-2模型存檔與載入（Save and Load）
          3. 5-3模型彙總與結構圖（Summary and Plotting）
          4. 5-4 回呼函數（Callbacks）
            1. 5-4-1 EarlyStopping Callbacks
            2. 5-4-2 ModelCheckpoint Callbacks
            3. 5-4-3 TensorBoard Callbacks
            4. 5-4-4 自訂Callback
            5. 5-4-5 自訂Callback 應用
            6. 5-4-6 總結
          5. 5-5 TensorBoard
            1. 5-5-1 TensorBoard 功能
            2. 5-5-2 測試
            3. 5-5-3 寫入圖片
            4. 5-5-5 直方圖（Histogram）
            5. 5-5-6 效能調校（Performance Tuning）
            6. 5-5-7 敏感度分析（What-If Tool， WIT）
            7. 5-5-8 總結
          6. 5-6模型佈署（Deploy）與TensorFlow Serving
            1. 5-6-1 自行開發網頁程式
            2. 5-6-2 TensorFlow Serving
          7. 5-7 TensorFlow Dataset
            1. 5-7-1 產生Dataset
            2. 5-7-2 圖像Dataset
            3. 5-7-3 TFRecord 與Dataset
            4. 5-7-4 TextLineDataset
            5. 5-7-5 Dataset 效能提升
          8. 參考資料（References）
        4. 06 卷積神經網路（Convolutional Neural Network）
          1. 6-1 卷積神經網路簡介
          2. 6-2 卷積（Convolution）
          3. 6-3 各式卷積
          4. 6-4 池化層（Pooling Layer）
          5. 6-5 CNN模型實作
          6. 6-6 影像資料增補（Data Augmentation）
          7. 6-7 可解釋的AI（eXplainable AI，XAI）
          8. 參考資料（References）
        5. 07 預先訓練的模型（Pre-trained Model）
          1. 7-1 預先訓練模型的簡介
          2. 7-2 採用完整的模型
          3. 7-3 採用部分模型
          4. 7-4 轉移學習（Transfer Learning）
          5. 7-5 Batch Normalization 說明
          6. 參考資料（References）
      3. 第三篇 進階的影像應用
        1. 08 物件偵測（Object Detection）
          1. 8-1 圖像辨識模型的發展
          2. 8-2 滑動視窗（Sliding Window）
          3. 8-3 方向梯度直方圖（HOG）
          4. 8-4 R-CNN物件偵測
          5. 8-5 R-CNN改良
          6. 8-5 YOLO演算法簡介
          7. 8-6 YOLO環境建置
          8. 8-7 以TensorFlow實作YOLO模型
          9. 8-8 YOLO模型訓練
          10. 8-9 SSD演算法
          11. 8-10 TensorFlow Object Detection API
          12. 8-11 物件偵測的效能衡量指標
          13. 8-12 總結
          14. 參考資料（References）
        2. 09 進階的影像應用
          1. 9-1 語義分割（Semantic Segmentation）介紹
          2. 9-2 自動編碼器（AutoEncoder）
          3. 9-3 語義分割（Semantic segmentation）實作
          4. 9-4 實例分割（Instance Segmentation）
          5. 9-5 風格轉換（Style Transfer）──人人都可以是畢卡索
          6. 9-6 臉部辨識（Facial Recognition）
            1. 9-6-1 臉部偵測（Face Detection）
            2. 9-6-2 MTCNN演算法
            3. 9-6-3 臉部追蹤（Face Tracking）
            4. 9-6-4 臉部特徵點偵測
            5. 9-6-5 臉部驗證（Face Verification）
          7. 9-7 光學文字辨識（OCR）
          8. 9-8 車牌辨識（ANPR）
          9. 9-9 卷積神經網路的缺點
          10. 參考資料（References）
        3. 10 生成對抗網路（GAN）
          1. 10-1 生成對抗網路介紹
          2. 10-2 生成對抗網路種類
          3. 10-3 DCGAN
          4. 10-4 Progressive GAN
          5. 10-5 Conditional GAN
          6. 10-6 Pix2Pix
          7. 10-7 CycleGAN
          8. 10-8 GAN挑戰
          9. 10-9 深度偽造（Deepfake）
          10. 參考資料（References）
      4. 第四篇 自然語言處理
        1. 11 自然語言處理的介紹
          1. 11-1 詞袋（BOW）與TF-IDF
          2. 11-2 詞彙前置處理
          3. 11-3 詞向量（Word2Vec）
          4. 11-4 GloVe模型
          5. 11-5 中文處理
          6. 11-6 spaCy套件
          7. 參考資料（References）
        2. 12 自然語言處理的演算法
          1. 12-1 循環神經網路（RNN）
          2. 12-2 長短期記憶網路（LSTM）
          3. 12-3 LSTM重要參數與多層LSTM
          4. 12-4 Gate Recurrent Unit（GRU）
          5. 12-5 股價預測
          6. 12-6 注意力機制（Attention Mechanism）
          7. 12-7 Transformer架構
            1. 12-7-1 Transformer原理
            2. 12-7-2 Transformer效能
          8. 12-8 BERT
            1. 12-8-1 Masked LM
            2. 12-8-2 Next Sentence Prediction
            3. 12-8-3 BERT效能微調（Fine-tuning）
          9. 12-9 Transformers套件
            1. 12-9-1 Transformers套件範例
            2. 12-9-2 Transformers套件效能微調
            3. 12-9-3 後續努力
          10. 12-10 總結
          11. 參考資料（References）
        3. 13 聊天機器人（ChatBot）
          1. 13-1 ChatBot類別
          2. 13-2 ChatBot設計
          3. 13-3 ChatBot實作
          4. 13-4 ChatBot工具套件
            1. 13-4-1 ChatterBot實作
            2. 13-4-2 chatbotAI實作
            3. 13-4-3 Rasa實作
          5. 13-5 Dialogflow實作
            1. 13-5-1 Dialogflow開通
            2. 13-5-2 Dialogflow基本功能
            3. 13-5-3 履行（Fulfillment）
          6. 13-6 結語
          7. 參考資料（References）
        4. 14 語音辨識
          1. 14-1 語音基本認識
          2. 14-2 語音前置處理
          3. 14-3 語音相關的深度學習應用
          4. 14-4 自動語音辨識（Automatic Speech Recognition）
          5. 14-5 自動語音辨識實作
          6. 14-6 結語
          7. 參考資料（References）
      5. 第五篇 強化學習（Reinforcement Learning）
        1. 15 強化學習
          1. 15-1 強化學習的基礎
          2. 15-2 強化學習模型
          3. 15-3 簡單的強化學習架構
          4. 15-4 Gym套件
          5. 15-5 Gym擴充功能
          6. 15-6 動態規劃（Dynamic Programming）
          7. 15-7 值循環（Value Iteration）
          8. 15-8 蒙地卡羅（Monte Carlo）
          9. 15-9 時序差分（Temporal Difference）
          10. 15-10 其他演算法
          11. 15-11 井字遊戲
          12. 15-12 木棒台車（CartPole）
          13. 15-13 結論
          14. 參考資料（References）

    購買說明

    根據台灣現行法規，數位內容（ 如電子書、音樂、影片、遊戲、App ）形式之商品，不受「網購服務需提供七日鑑賞期」的限制。為維護您的權益，建議您先使用「試讀」功能後再付款購買。

    作者其他作品

    開發者傳授PyTorch秘笈

    ChatGPT完整解析：API實測與企業應用實戰

    Scikit-learn 詳解與企業應用：機器學習最佳入門與實戰

    MORE
    出版社簡介
    深智數位股份有限公司
    出版社作品

    ChatGPT 4 Omni領軍 - Copilot、Claude、Gemini、36組GPT ...全面探索生成式AI的無限可能

    誰說資安寫不了情書

    AWS自學聖經：5大必學雲端主題．超圖解入門

    更多出版社作品
    試讀