TensorFlow 與 Keras - Python 深度學習應用實務
陳允傑
- 出版商: 旗標出版
- 出版日期: 2019-08-28
- 定價: $650
- 售價: 7.9 折 $514
- 語言: 繁體中文
- 頁數: 560
- ISBN: 9863126020
- ISBN-13: 9789863126027
-
相關分類:
DeepLearning 深度學習、Python 程式語言、TensorFlow、Machine Learning 機器學習
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
![]()
$1,650$1,617Deep Learning (Hardcover)
-
![]()
$348$331貝葉斯方法：概率編程與貝葉斯推斷
-
![]()
$590$460TensorFlow+Keras 深度學習人工智慧實務應用
-
![]()
$450$356演算法圖鑑：26種演算法 + 7種資料結構，人工智慧、數據分析、邏輯思考的原理和應用 step by step 全圖解
-
![]()
$699$552Python 入門邁向高手之路王者歸來
-
![]()
$580$458設計聊天機器人｜建立對話式體驗 (Designing Bots: Creating Conversational Experiences)
-
![]()
$620$496實戰機器學習｜使用 Spark
-
![]()
$690$538Python 機器學習, 2/e (Python Machine Learning, 2/e)
-
![]()
$880$695Python 資料分析, 2/e (Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython, 2/e)
-
![]()
$550$435深度學習入門教室：6堂基礎課程 + Python 實作練習，Deep Learning、人工智慧、機器學習的理論和應用全圖解
-
![]()
$1,000$790Deep learning 深度學習必讀 - Keras 大神帶你用 Python 實作 (Deep Learning with Python)
-
![]()
$650$514CV+ 深度學習：AI 最完整的跨套件 Python 人工智慧電腦視覺
-
![]()
$450$351中文自然語言處理實戰：聊天機器人與深度學習整合應用
-
![]()
$380$342人工智慧導論 (鴻海教育基金會發行)
-
![]()
$650$514超圖解 Python 程式設計入門
-
![]()
$414$393深度學習的數學
-
![]()
$1,000$790Python 最強入門邁向頂尖高手之路：王者歸來 (全彩版)
-
![]()
$520$411Python 與 LINE Bot 機器人全面實戰特訓班 (附203分鐘影音教學/範例程式)
-
![]()
$580$452Pandas 資料分析實戰：使用 Python 進行高效能資料處理及分析 (Learning pandas : High-performance data manipulation and analysis in Python, 2/e)
-
![]()
$520$406輕鬆學會 Google TensorFlow 2.0 人工智慧深度學習實作開發
-
![]()
$620$490TensorFlow 自然語言處理｜善用 Python 深度學習函式庫，教機器學會自然語言 (Natural Language Processing with TensorFlow)
-
![]()
$380$300打造股市小秘書｜聊天機器人 x 網路爬蟲 x NoSQL x Python 整合應用實務
-
![]()
$540$427Python + TensorFlow 人工智慧、機器學習、大數據｜超炫專案與完全實戰
-
![]()
$1,200$948深度學習 (Deep Learning)(繁體中文版)
-
![]()
$690$538動手做深度強化學習 (Deep Reinforcement Learning Hands-On)
商品描述
數學忘光光，人工智慧原理看不懂？
→ 大量的【圖解說明】讓你秒懂運作原理
用相同資料集，訓練好的模型準確率比別人低很多？
→ 【舉一反三不死背】，教你用最適當的演算法調整模型
手上一堆資料，但要怎麼餵給神經網路？
→ 解說各種類型資料的【預處理手法】
本書秉持「先圖解、再實作，而後實務應用」的精神，帶你實際使用
Python 3 + TensorFlow + Keras，訓練自己的深度學習模型
深度學習是一種「實現機器學習的技術」，能夠利用如人類大腦功能般的「類神經網路」，處理如視覺、聽覺等感知問題，從學習中更新權重與偏向量進行學習，最後進行分類或預測。學會各種神經網路的類型後，教導讀者懂得調校神經網路和轉移學習目標，讓讀者能夠真正建構出屬於自己的神經網路模型。
書中的資料與範例中，將運用到：
■ MLP 多層感知器 - 進行糖尿病、鳶尾花的多元分類預測
■ MLP 多層感知器 - 進行房價的迴歸預測
■ CNN 卷積神經網路 - 進行彩色圖片的分類
■ LSTM 長短期記憶神經網路 - 進行股價預測
■ RNN 循環神經網路、LSTM、GRU 閘門循環單元神經網路 - 進行影評的情緒分析
還有手寫辨識預測、自編碼器 AE、主題分類等大量範例實作！
本書特色 :
◎ 人工智慧、機器學習、深度學習的基礎
◎ 從最基礎的神經網路建構
◎ 最具突破性的卷積神經網路實戰與應用
◎ 處理自然語言等具序列性資料的循環神經網路
◎ 建構並調整自己的神經網路模型
◎ 神經網路的模型視覺化、共享與輸出
目錄大綱
第一篇 人工智慧與深度學習的基礎
第 1 章 認識人工智慧與機器學習
第 2 章 建構 TensorFlow 與 Keras 開發環境
第 3 章 深度學習的基礎
第二篇 多層感知器：迴歸與分類問題
第 4 章 圖解神經網路–多層感知器 (MLP)
第 5 章 打造你的神經網路 - 多層感知器
第 6 章 多層感知器的實作案例
第三篇 卷積神經網路：電腦視覺
第 7 章 圖解卷積神經網路 (CNN)
第 8 章 打造你的卷積神經網路
第 9 章 卷積神經網路的實作案例
第四篇 循環神經網路：自然語言處理
第 10 章 圖解 RNN、LSTM 和 GRU 神經網路
第 11 章 打造你的循環神經網路
第 12 章 循環神經網路的實作案例
第五篇 建構出你自己的深度學習模型
第 13 章 資料預處理與資料增強
第 14 章 調校你的深度學習模型
第 15 章 預訓練模型與轉移學習
第 16 章 Functional API 與模型視覺化
附錄 A Python 程式語言與開發環境建立
附錄 B TensorFlow GPU 版本的安裝與使用