Python 機器學習與深度學習特訓班:看得懂也會做的 AI人工智慧實戰 (附120分鐘影音教學/範例程式)

鄧文淵 總監製/文淵閣工作室 編著

買這商品的人也買了...

商品描述

國內外最具代表性案例
兩大雲端應用、15項分類實例、9大專題實戰

自然語言、文字識別、語音轉換、分析預測、
物件自動標示、影像辦識真正實練!
從資料收集整理、模型訓練調整,
檢測修正到產出全面解秘!

資料科學(Data Science)技術崛起後,人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實,人工智慧的應用早已出現在我們生活周遭,如即時車牌影像辨識,以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。

在資料科學領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底,運用Python進行實作,深入人工智慧技術,掌握機器學習與深度學習的真正強大應用。

程式人、工程師挑戰人工智慧最佳學習地圖
由類神經網路基礎到AI應用實戰
訓練、模型、預測、辨識、分析與驗證
全面深入機器學習與深度學習領域技術核心

■打造專屬Python、TensorFlow與Keras最強開發環境,加碼體驗機器學習雲端平台Microsoft Azure與演算法平台Algorithmia。

■圖解簡化複雜難懂的類神經網路觀念,涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。

■顛覆只重視理論或產生結果的傳統機器學習內容,實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。

■全面深入不同應用面向:
印刷文字辨識、手寫文字識別、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部偵測、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號與年份偵測、自動標示物件、資料走勢預測…

■網羅國內外最具代表性案例:
文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等,進行有系統而扎實的真正演練。

■一次領略機器學習與深度學習的重要關鍵話題:
TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Azure、Cognitive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、face++、SQLite、SQLite Database Browser、Haar

■針對專案實戰提供關鍵影音輔助教學,加速學習效率。


書附超值DVD:120分鐘關鍵影音教學/範例程式檔

作者簡介

一個致力於資訊圖書創作二十餘載的工作團隊,擅長用輕鬆詼諧的筆觸,深入淺出介紹難懂的 IT 技術,並以範例帶領讀者學習電腦應用的大小事。
我們不賣弄深奧的專有名辭,奮力堅持吸收新知的態度,誠懇地與讀者分享在學習路上的點點滴滴,讓軟體成為每個人改善生活應用、提昇工作效率的工具。
舉凡程式開發、文書處理、美工動畫、攝影修片、網頁製作,都是我們專注的重點,而不同領域有各自專業的作者組成,以進行書籍的規劃與編寫。一直以來,感謝許多讀者與學校老師的支持,選定為自修用書或授課教材。衷心期待能盡我們的心力,幫助每一位讀者燃燒心中的小宇宙,用學習的成果在自己的領域裡發光發熱!
我們期待自己能在每一本創作中注入快快樂樂的心情來分享, 也期待讀者能在這樣的氛圍下快快樂樂的學習。

官方網站:www.e-happy.com.tw
FB粉絲團:www.facebook.com/ehappytw

目錄大綱

01 打造最強環境:TensorFlow和Keras

1.1 人工智慧、機器學習和深度學習的關係
1.2 什麼是機器學習?
1.3 什麼是深度學習?
1.5 建置Python的開發環境
1.6 建置開發TenserFlow和Keras的虛擬環境
1.7 Python編輯器的使用
1.8 安裝GPU版的TensorFlow和Keras

02 機器學習起點:多層感知器(MLP)

2.1 認識多層感知器(MLP)
2.2 認識Mnist資料集
2.4 多層感知器實戰:Mnist手寫數字圖片辨識
2.5 模型儲存和載入
2.6 模型權重的儲存和載入
2.7 建立多個隱藏層

03 影像識別神器:卷積神經網路(CNN)

3.1 卷積神經網路(CNN)基本結構
3.2 卷積神經網路實戰:Mnist手寫數字圖片辨識
3.3 模型權重的儲存和載入

04 語言文字處理利器:循環神經網路(RNN)

4.1 循環神經網路(RNN)基本結構
4.2 循環神經網路實戰:Mnist手寫數字圖片辨識
4.3 模型權重的儲存和載入
4.4 長短期記憶(LSTM)

05 體驗機器學習雲端平台:Microsoft Azure

5.1 專題方向
5.2 電腦視覺資源
5.3 臉部辨識資源
5.4 文字語言翻譯資源

06 一探演算法雲端寶庫:Algorithmia
6.1 專題方向
6.2 認識Algorithmia平台
6.3 使用Algorithmia演算法

07 自然語言處理:文字雲與文章自動摘要
7.1 專題方向
7.2 Jieba模組
7.3 文字雲
7.4 文章自動摘要

08 語音辨識應用:YouTube影片加上字幕
8.1 專題方向
8.2 語音辨識
8.3 影片字幕製作

09 投資預測實證:股票走勢分析
9.1 專題方向
9.2 台灣股市資訊模組
9.3 股票分析
9.4 股票預測

10 最狂刷臉時代:臉部辨識登入系統
10.1 專題方向
10.2 face++網站及SQLite資料庫
10.3 本機版刷臉登入系統
10.4 雲端版刷臉登入系統

11 自動標示物件:用Haar特徵分類器擷取車牌
11.1 專題方向
11.2 準備訓練Haar特徵分類器資料
11.3 建立車牌號碼Haar特徵分類器模型
11.4 使用Haar特徵分類器模型

12 無所遁形術:即時車牌影像辨識
12.1 專題方向
12.2 車牌號碼機器學習訓練資料
12.3 建立車牌辨識系統