人人可懂的深度學習 Deep Learning
John D. Kelleher 趙啟軍譯
- 出版商: 機械工業
- 出版日期: 2021-05-01
- 定價: $414
- 售價: 7.9 折 $327
- 語言: 簡體中文
- 頁數: 220
- 裝訂: 平裝
- ISBN: 7111680103
- ISBN-13: 9787111680109
-
相關分類:
DeepLearning
- 此書翻譯自: Deep Learning
立即出貨
買這商品的人也買了...
中文年末書展｜繁簡參展書2書75折 詳見活動內容 »
-
75折
為你寫的 Vue Components：從原子到系統，一步步用設計思維打造面面俱到的元件實戰力 (iThome 鐵人賽系列書)$780$585 -
75折
BDD in Action, 2/e (中文版)$960$720 -
75折
看不見的戰場：社群、AI 與企業資安危機$750$563 -
79折
AI 精準提問 × 高效應用：DeepSeek、ChatGPT、Claude、Gemini、Copilot 一本搞定$390$308 -
7折
超實用！Word．Excel．PowerPoint 辦公室 Office 365 省時高手必備 50招, 4/e (暢銷回饋版)$420$294 -
75折
裂縫碎光：資安數位生存戰$550$412 -
85折
日本當代最強插畫 2025 : 150位當代最強畫師豪華作品集$640$544 -
79折
Google BI 解決方案：Looker Studio × AI 數據驅動行銷實作，完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
超有料 Plus！職場第一實用的 AI 工作術 - 用對 AI 工具、自動化 Agent, 讓生產力全面進化！$599$473 -
75折
從零開始學 Visual C# 2022 程式設計, 4/e (暢銷回饋版)$690$518 -
75折
Windows 11 制霸攻略：圖解 AI 與 Copilot 應用，輕鬆搞懂新手必學的 Windows 技巧$640$480 -
75折
精準駕馭 Word！論文寫作絕非難事 (好評回饋版)$480$360 -
Sam Yang 的插畫藝術：用 Procreate / PS 畫出最強男友視角 x 女孩美好日常$699$629 -
79折
AI 加持！Google Sheets 超級工作流$599$473 -
78折
想要 SSR? 快使用 Nuxt 吧!：Nuxt 讓 Vue.js 更好處理 SEO 搜尋引擎最佳化（iThome鐵人賽系列書）$780$608 -
78折
超實用！業務．總管．人資的辦公室 WORD 365 省時高手必備 50招 (第二版)$500$390 -
7折
Node-RED + YOLO + ESP32-CAM：AIoT 智慧物聯網與邊緣 AI 專題實戰$680$476 -
79折
「生成式⇄AI」：52 個零程式互動體驗，打造新世代人工智慧素養$599$473 -
7折
Windows APT Warfare：惡意程式前線戰術指南, 3/e$720$504 -
75折
我輩程式人：回顧從 Ada 到 AI 這條程式路，程式人如何改變世界的歷史與未來展望 (We, Programmers: A Chronicle of Coders from Ada to AI)$850$637 -
75折
不用自己寫！用 GitHub Copilot 搞定 LLM 應用開發$600$450 -
79折
Tensorflow 接班王者：Google JAX 深度學習又快又強大 (好評回饋版)$780$616 -
79折
GPT4 會你也會 - 共融機器人的多模態互動式情感分析 (好評回饋版)$700$553 -
79折
技術士技能檢定 電腦軟體應用丙級術科解題教本｜Office 2021$460$363 -
75折
Notion 與 Notion AI 全能實戰手冊：生活、學習與職場的智慧策略 (暢銷回饋版)$560$420
相關主題
商品描述
本書將深度學習技術的發展歷史、現狀和未來向讀者娓娓道來，以深入淺出的方式介紹了深度學習的核心思想和關鍵技術，
非常適合尚不具備專業背景的讀者學習和瞭解什麼是深度學習技術，如何進行深度學習，
深度學習適合哪些任務，深度學習還有哪些不足。
本書對深度學習中的一些關鍵問題（如過擬合和梯度消失）、核心技術（如反向傳播和梯度下降）、
典型模型（如捲積神經網絡和循環神經網絡）的講解簡潔而不失深刻，
對深度學習技術未來發展的討論很有啟發性，專業人士也能從中獲益。
作者簡介
John D.Kelleher
現為愛爾蘭都柏林理工大學（Technological University Dublin）信息、通信和娛樂研究所教授和學術領導人。
專業領域包括機器學習、數據科學、自然語言處理和人工智能。
曾在多個不同的學術和研究機構工作，包括都柏林城市大學（Dublin City University）、
歐洲媒體實驗室（Media Lab Europe）和德國人工智能研究中心（DFKI）。
他在MIT出版社出版了三本機器學習和數據科學方面的著作，除了本書之外，
另外兩本是《深度學習》（Deep Learning）和《數據科學》（Data Science）。
目錄大綱
目錄
譯者序
前言
致謝
第1章┆深度學習概述/ 1
1.1人工智能、機器學習和深度學習/4
1.2什麼是機器學習/10
1.3機器學習為何如此困難/14
1.4機器學習的關鍵要素/18
1.5有監督學習、無監督學習和強化學習/21
1.6深度學習為何如此成功/24
1.7本章小結及本書內容安排/27
第2章┆預備知識/ 31
2.1什麼是數學模型/32
2.2含有多個輸入的線性模型/35
2.3線性模型的參數設置/37
2.4從數據中學習模型參數/39
2.5模型的組合/44
2.6輸入空間、權重空間和激活空間/46
2.7本章小結/49
第3章┆神經網絡：深度學習的基石/ 51
3.1人工神經網絡/53
3.2人工神經元是如何處理信息的/56
3.3為什麼需要激活函數/61
3.4神經元參數的變化如何影響神經元的行為/65
3.5使用GPU加速神經網絡的訓練/73
3.6本章小結/77
第4章┆深度學習簡史/ 80
4.1早期研究：閾值邏輯單元/83
4.2連接主義：多層感知機/98
4.3深度學***/114
4.4本章小結/124
第5章┆捲積神經網絡和循環神經網絡/ 126
5.1捲積神經網絡/127
5.2循環神經網絡/135
第6章┆神經網絡的訓練/ 147
6.1梯度下降/149
6.2使用反向傳播訓練神經網絡/165
第7章┆深度學習的未來/ 181
7.1推動算法革新的大數據/183
7.2新模型的提出/187
7.3新形式的硬件/189
7.4可解釋性問題/192
7.5結語/ 196
術語表/ 197
參考文獻/ 203
延伸閱讀/ 208
