圖解機器學習與深度學習入門

本書作為人工智慧專業的入門書，帶領讀者初步學習和實踐機器學習、深度學習的演算法、流程和核心技術，
並介紹了系統開發及開發環境，透過圖解的方式將難懂的專業術語和演算法表現出來，讓沒有相關專業基礎的讀者輕鬆入門。
同時，本書也介紹了一些較常用的網站網路服務，讓讀者能學以致用。
本書適合人工智慧領域入門讀者，也適合對人工智慧有興趣的其他領域讀者學習。

第1章人工智慧的基礎知識
01 人工智慧是什麼
02 機器學習（ML）
03 深度學習（DL）是什麼
04 人工智慧和機器學習的普及之路
第2章機器學習的基礎知識
05 有教師學習的機制
06 無教師學習的機制
07 強化學習的機制
08 統計和機器學習的區別
09 機器學習和特徵量
10 擅長的領域和不擅長的領域
11 應用機器學習的案例
第3章機器學習的過程和核心技術
12 機器學習的基本工作流程
13 資料的收集
14 資料的整定
15 模型的製作與訓練
16 批學習與線上學習
17 利用資料對預測結果進行驗證
18 訓練結果的評估標準
19 超參數與模型的調節
20 主動學習
21 相關與因果
22 回饋迴路
第4章機器學習演算法
23 迴歸分析
24 支援向量機
25 決策樹
26 協同學習
27 協同學習的應用
28 邏輯迴歸
29 貝葉斯模型
30 時間序列分析與狀態空間模型
31 k近鄰（k-NN）法和k平均（k-means）法
32 降維和主成分分析
33 優化和遺傳演算法
第5章深度學習的基礎知識
34 神經網路和其歷史
35 深度學習和圖像識別
36 深度學習和自然語言處理
第6章深度學習的流程和核心技術
37 基於誤差反向傳播法的神經網路學習
38 神經網路的最佳化
39 坡度消失問題
40 遷移學習
第7章深度學習演算法
41 卷積神經網路（CNN ）
42 遞歸型神經網路（RNN）
43 強化學習與深度學習
44 自動編碼器
45 GAN（生成對抗網路）
46 物體偵測
第8章系統開發與開發環境
47 人工智慧程式設計使用的主要語言
48 機器學習的函式庫和框架
49 深度學習的框架
50 GPU程式設計和快速化
51 機器學習服務
結束語
參考文獻