TensorFlow 模型解析與範例大全
陳鴻敏 著
- 出版商: 博碩
- 出版日期: 2024-01-12
- 定價: $760
- 售價: 7.8 折 $593
- 語言: 繁體中文
- 頁數: 424
- ISBN: 6263337109
- ISBN-13: 9786263337107
-
相關分類:
TensorFlow
立即出貨 (庫存 < 9)
買這商品的人也買了...
-
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
圖解 AI｜機器學習和深度學習的技術與原理$450$356 -
線上教學的技術：快速上手的 12堂必修課$350$298 -
計算機概論重要題型完全攻略 (適用: 轉學考．插大)$480$432 -
從基礎應用到企業開發 - Spring Boot 從實戰中快速上手$1,080$853 -
$347駕馭 ChatGPT : 學會使用提示詞 -
AI + IoT 佈建邊緣運算 - 電腦視覺業界專案原理及實作$980$774 -
最強 AI 投資分析：打造自己的股市顧問機器人，股票趨勢分析×年報解讀×選股推薦×風險管理$750$593 -
Hugging Face 模型及資料大公開 - 利用 BERT 建立全中文 NLP 應用$720$569 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 3/e (Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow: Concepts, Tools, and Techniques to Build Intelligent Systems, 3/e)$1,200$948 -
完全圖解人工智慧：零基礎也OK！從NLP、圖像辨識到生成模型，現代人必修的53堂AI課$480$379 -
跟 NVIDIA 學深度學習！從基本神經網路到 ......、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$748 -
白話深度學習的數學$419$398 -
用 Python 學 AI 理論與程式實作 (涵蓋Certiport ITS AI國際認證模擬試題)$580$458 -
K8S 自學聖經：10大核心模板快速入門【圖解教學】$790$624 -
新一代 Keras 3.x 重磅回歸：跨 TensorFlow 與 PyTorch 建構 Transformer、CNN、RNN、LSTM 深度學習模型$750$593 -
極速 ChatGPT 開發者兵器指南：跨界整合 Prompt Flow、LangChain 與 Semantic Kernel 框架$680$530 -
漫畫動物大明星2：從飛鳥家族到水中生物趣味大百科$350$277 -
LLM 的瑞士刀 - 用 LangChain 極速開發可擴充大型應用程式$880$695 -
生成式 AI：以 ChatGPT 與 OpenAI 模型實現高效創新 (Modern Generative AI with ChatGPT and OpenAI Models)$500$395 -
AI 影音生成狂想曲 – 影片生成 × 語音克隆 × AI 翻唱 × 詞曲創作 × 背景音樂 × 虛擬人像 × 自動字幕$680$578 -
ChatGPT 4 Omni 萬用手冊 2024 夏季號：GPT-4o/GPT-4o mini、GPTs、DALL-E 3、Copilot、Gemini、Claude 3.5$680$537 -
AI 生成影音創作：超好用的文案、圖像、影片、聲音實戰技 (附影音教學)$480$379 -
狩獵網絡罪犯 — 黑客視角的開源情報實戰$720$684 -
深度學習 -- 最佳入門邁向 AI 專題實戰, 2/e$1,200$948
相關主題
商品描述
【本書特色】
TensorFlow認證考試最佳參考書
附解說檔及練習題400題
｜本書專為有志於認證考試或想深入了解人工智慧原理者而設計｜
提供大量的習題及解說（超過400個），同時深入解說神經網路的運作原理，無論是初學者或進階者都適合閱讀。
｜繪製獨門的示意圖｜
利用Excel的工作表來展示各種演算法的運算過程，將抽象概念具體化。
｜詳細解說損失函數、 激發函數、優化器、標籤編碼、單熱編碼、正規化、標準化、學習率、正向傳播、反向傳播及梯度下降法等機器學習的基礎觀念，以厚植人工智慧的實力｜
這些觀念是開發人工智慧軟體的關鍵，也是一般學子最難搞懂的部分，本書以問答集的形式呈現，共計41個主題，例如：為何要使用交叉熵函數來計算誤差？如何選擇激發函數？如何建構孿生神經網路？何謂梯度消失與梯度爆炸？如何使用自注意力機制？
【目標讀者】
✔各級學校的學生。
✔有志於認識人工智慧及參加認證考試的各界人士。
作者簡介
陳鴻敏
本書作者畢業於中興大學，歷任台塑、三光及中華航空公司等要職，長期從事於管理制度之設計與電腦系統的開發，熟悉各種電腦語言，著有《Excel分析與資料庫整合應用》、《Visual Basic開發應用系統的十堂課》、《R語言的資料採礦導引》等書，並於2021年通過TensorFlow開發者認證考試。
目錄大綱
|Chapter 01| 神經網路之概念
1.1 神經網路模型簡介
1.2 神經網路模型運作解析
1.3 模型訓練的資訊
1.4 神經網路工作程序
1.5 應考須知
1.6 如何使用本書範例檔
|Chapter 02| 結構化資料的分類辨識
2.1 傳統的分類辨識方法
2.2 神經網路模型的分類辨識方法
|Chapter 03| 迴歸分析
3.1 傳統迴歸分析法
3.2 神經網路模型在簡單迴歸分析的用法
3.3 神經網路模型在多元迴歸分析的用法
|Chapter 04| 圖像辨識
4.1 圖像基本原理
4.2 圖片及影片的基本操作
4.3 傳統圖像辨識法的缺點
4.4 卷積神經網路說明
4.5 在TensorFlow中使用卷積層
4.6 在TensorFlow中使用池化層與展平層
4.7 卷積層與池化層的種類
4.8 開放數據集
|Chapter 05| 圖像資料的擴增
5.1 圖像擴增的意義
5.2 圖像擴增的方法
5.3 圖檔之讀取與分類
5.4 圖像資料產生器的特殊用途之一
5.5 圖像資料產生器的特殊用途之二
|Chapter 06| 預訓練模型的使用
6.1 預訓練模型簡介
6.2 預訓練模型的用法之一
6.3 預訓練模型的用法之二
6.4 預訓練模型的用法之三
6.5 預訓練模型的比較
6.6 遷移學習原理
|Chapter 07| 時間數列預測
7.1 時間數列的類型
7.2 時間數列預測法
7.3 時間數列預測步驟
7.4 時間步與時間數列之切割
7.5 循環神經網路的模式
7.6 循環神經網路之原理
7.7 循環神經網路的關鍵參數
|Chapter 08| 文本分類
8.1 文本處理步驟
8.2 移除停用詞
8.3 斷詞器
8.4 嵌入層與詞向量
8.5 預訓練的詞向量
8.6 文本分類的意義與程序
8.7 文本分類資料集簡介
8.8 文本預訓練模型之運用
8.9 文本分類的進階處理
|Chapter 09| 文本生成
9.1 文本生成概要
9.2 文本預處理
9.3 建構模型兩種
9.4 文本生成自訂函數
9.5 文本生成之斷句
9.6 自然語言處理的新發展
|附 錄|（附錄內容請至博碩官網下載）
附錄A 觀念解析
附錄B Google Colab使用方法
附錄C 範例檔清單_程式結構_套件版本
