人工智慧, 4/e
張志勇、廖文華、石貴平、王勝石、游國忠
- 出版商: 全華圖書
- 出版日期: 2024-12-02
- 定價: $580
- 售價: 9.0 折 $522
- 語言: 繁體中文
- 頁數: 376
- ISBN: 6264011614
- ISBN-13: 9786264011617
-
相關分類:
Machine Learning
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
獲利世代:自己動手,畫出你的商業模式 (Business Model Generation)$499$424 -
資料通訊網路, 5/e (Data Communications and Networking, 5/e)$850$808 -
金融科技實戰:Python 與量化投資$650$507 -
實用深度學習$360$353 -
TQC+ 創意 App 程式設計認證指南 App Inventor 2 (第二版)$390$308 -
TQC+ 創意 App 程式設計認證指南解題秘笈 -- App Inventor 2 (第二版)$250$198 -
NumPy 高速運算徹底解說 - 六行寫一隻程式?你真懂深度學習?手工算給你看!$750$638 -
圖解 TCP/IP 網路通訊協定 (涵蓋IPv6)(2021修訂版)$620$490 -
TQC+ Python 3.x 機器學習基礎與應用特訓教材$590$531 -
超端新世代網路概論, 2/e$560$476 -
Python 資料分析必備套件!Pandas 資料清理、重塑、過濾、視覺化 (Pandas 1.x Cookbook, 2/e)$780$616 -
網頁設計丙級檢定學術科解題教本|111年啟用試題$420$332 -
人工智慧, 2/e$580$522 -
極深入卻極清楚:電腦網路原理從 OSI 實體層到應用層$880$695 -
AI for the Sustainable Development Goals$1,510$1,435 -
金融機器學習與資料科學藍圖 (Machine Learning and Data Science Blueprints for Finance: From Building Trading Strategies to Robo-Advisors Using Python)$780$616 -
$356搜尋演算法:人工智能如何尋找最優 -
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 -
財務管理與 Python 實現$550$495 -
人工智慧-素養及未來趨勢, 2/e$360$324 -
費米推論:最強的商業思考!學會估計市場規模,快速估算未知數字的思考模式$500$395 -
Measuring Esg Effects in Systematic Investing$3,280$3,116 -
商業模式創新實戰演練入門:原來創造自己的商業模式這麼簡單$420$332 -
【最新ITS認證第二版】Python 零基礎入門班 (含ITS Python國際認證模擬試題)$450$356 -
機器學習與人工智慧深度問答集:從基礎到專業,提升 AI 知識力的 30道深度思考題 (Machine Learning Q and AI: 30 Essential Questions and Answers on Machine Learning and AI)$650$507
商品描述
本書特色
1.詳盡敘述人工智慧的發展及遇到之瓶頸,並說明近年來為何又開始一波新的熱潮。
2.本書內容貼近產業應用,說明AI如何應用在各大產業、服務以及新商品與革新。
3.透過AI技術的發展與創新,引導讀者瞭解,隨著人工智慧持續發展,AI對人們的未來生活可能帶來衝擊與影響。
4.本書除了詳盡介紹機器學習、深度學習、人工智慧等技術的理論架構外,也講解了人工智慧如何應用在各大領域,如車牌辨識、自然語言處理等。
5.本書巧妙的運用範例、圖例講解人工智慧的理論與技術,使理論架構變得淺顯易懂。
內容簡介
人工智慧相關的議題歷史悠久,本書詳盡敘述人工智慧過往的發展和遇到的瓶頸,並說明近年來為何又開始一波新的熱潮,在這波熱潮中,本書內容貼近產業應用,說明AI如何應用在各大產業、服務以及新商品與革新。此外,本書亦透過AI技術的發展與創新,引導讀者瞭解,隨著人工智慧持續發展,AI對人們的未來生活可能帶來衝擊與影響。
本書巧妙的運用範例、圖例及影片(QR Code)講解人工智慧的理論與技術,使理論架構變得淺顯易懂,不再因為艱澀難懂的數學公式抹滅了學習的興趣及成就,本書藉由邏輯清晰的『訓練資料』來訓練讀者,使其能夠越讀越明白,越學越有成就。
本書適用於科大資工、電機、電子及人工智慧系「人工智慧」課程使用。
目錄大綱
CH1 人工智慧起源
1-1 遍地開花的人工智慧
1-2 人工智慧的發展
1-3 人工智慧@臺灣
1-4 AI創造的未來生活
參考資料
CH2 應用篇
2-1 影像處理
2-2 自然語言處理
2-3 邏輯推理
2-4 推薦系統
2-5 疾病預測與醫療
CH3 機器學習篇
3-1 建置Python開發環境
3-2 機器學習簡介(Introduction to Machine Learning)
3-3 機器學習演算法
CH4 深度學習篇
4-1 深度學習簡介(Introduction to Deep Learning)
4-2 卷積神經網路(Convolution Neural Network, CNN)
4-3 類神經網路的學習方式(Artificial Neural Network, ANN)
4-4 遞歸神經網路(Recurrent Neural Network, RNN)
4-5 自編碼網路(Autoencoder Network, AE)
4-6 生成對抗網路(Generative Adversarial Network, GAN)
CH5 實務篇
5-1 人工智慧實務應用-電腦視覺
5-2 人工智慧實務應用-自然語言處理
CH6 人工智慧的未來與挑戰
6-1 人工智慧未來趨勢
6-2 工智慧省思與挑戰
參考資料
習題
