0人評分過此書
全書共15章，內容如下
■ 第1章 深度學習（Deep Learning）導論
第一章介紹AI的發展趨勢，鑑古知今，瞭解前兩波AI失敗的原因，比較第三波發展的差異性。
■ 第2章 神經網路（Neural Network）原理
第二章介紹深度學習必備的統計/數學基礎，不僅要理解相關知識，也力求能撰寫程式解題。
■ 第3章 TensorFlow 架構與主要功能
第三章介紹TensorFlow基本功能，包括張量(Tensor)運算、自動微分及神經網路模型的組成，並說明梯度下降法求解的過程。
■ 第4章 神經網路實作
第四章開始實作，依照機器學習10項流程，撰寫完整的範例，包括Web、桌面程式。
■ 第5章 TensorFlow 其他常用指令
第五章介紹TensorFlow進階功能，包括各種工具，如TensorBoard、TensorFlow Serving、Callbacks。
■ 第6章 卷積神經網路(Convolutional Neural Network)
■ 第7章 預先訓練的模型(Pre-trained Model)
■ 第8章 物件偵測(Object Detection)
■ 第9章 進階的影像應用
■ 第10章 生成對抗網路 (GAN)
第六~十章介紹圖像/視訊的演算法及各式應用。
■ 第11章 自然語言處理的介紹
■ 第12章 自然語言處理的演算法
■ 第13章 聊天機器人(ChatBot)
■ 第14章 語音辨識
第十一~十四章介紹自然語言處理、語音及各式應用。
■ 第15章 強化學習
第十五章介紹AlphaGo的基礎 -- 『強化學習』演算法。
■ 第1章 深度學習（Deep Learning）導論
第一章介紹AI的發展趨勢，鑑古知今，瞭解前兩波AI失敗的原因，比較第三波發展的差異性。
■ 第2章 神經網路（Neural Network）原理
第二章介紹深度學習必備的統計/數學基礎，不僅要理解相關知識，也力求能撰寫程式解題。
■ 第3章 TensorFlow 架構與主要功能
第三章介紹TensorFlow基本功能，包括張量(Tensor)運算、自動微分及神經網路模型的組成，並說明梯度下降法求解的過程。
■ 第4章 神經網路實作
第四章開始實作，依照機器學習10項流程，撰寫完整的範例，包括Web、桌面程式。
■ 第5章 TensorFlow 其他常用指令
第五章介紹TensorFlow進階功能，包括各種工具，如TensorBoard、TensorFlow Serving、Callbacks。
■ 第6章 卷積神經網路(Convolutional Neural Network)
■ 第7章 預先訓練的模型(Pre-trained Model)
■ 第8章 物件偵測(Object Detection)
■ 第9章 進階的影像應用
■ 第10章 生成對抗網路 (GAN)
第六~十章介紹圖像/視訊的演算法及各式應用。
■ 第11章 自然語言處理的介紹
■ 第12章 自然語言處理的演算法
■ 第13章 聊天機器人(ChatBot)
■ 第14章 語音辨識
第十一~十四章介紹自然語言處理、語音及各式應用。
■ 第15章 強化學習
第十五章介紹AlphaGo的基礎 -- 『強化學習』演算法。
-
第一篇 深度學習導論
-
01 深度學習（Deep Learning）導論
-
1-1 人工智慧的三波浪潮
-
1-2 AI 的學習地圖
-
1-3 機器學習應用領域
-
1-4 機器學習開發流程
-
1-5 開發環境安裝
-
參考資料（References）
-
-
02 神經網路（Neural Network）原理
-
2-1 必備的數學與統計知識
-
2-2 線性代數（Linear Algebra）
-
2-3 微積分（Calculus）
-
2-4 機率（Probability）與統計（Statistics）
-
2-5 線性規劃（Linear Programming）
-
2-6 最小平方法（OLS）vs.最大概似法（MLE）
-
2-7 神經網路（Neural Network）求解
-
參考資料（References）
-
-
-
第二篇 TensorFlow基礎篇
-
03 TensorFlow架構與主要功能
-
3-1 常用的深度學習套件
-
3-2 TensorFlow架構
-
3-3 張量（Tensor）運算
-
3-4 自動微分（Automatic Differentiation）
-
3-5 神經層（Neural Network Layer）
-
參考資料（References）
-
-
04 神經網路實作
-
4-1 撰寫第一支神經網路程式
-
4-2 Keras模型種類
-
4-3 神經層（Layer）
-
4-4 激勵函數（Activation Function）
-
4-5 損失函數（Loss Functions）
-
4-6 優化器（Optimizer）
-
4-7 效能衡量指標（Performance Metrics）
-
4-8 超參數調校（Hyperparameter Tuning）
-
參考資料（References）
-
-
05 TensorFlow其他常用指令
-
5-1 特徵轉換
-
5-2模型存檔與載入（Save and Load）
-
5-3模型彙總與結構圖（Summary and Plotting）
-
5-4 回呼函數（Callbacks）
-
5-5 TensorBoard
-
5-6模型佈署（Deploy）與TensorFlow Serving
-
5-7 TensorFlow Dataset
-
參考資料（References）
-
-
06 卷積神經網路（Convolutional Neural Network）
-
6-1 卷積神經網路簡介
-
6-2 卷積（Convolution）
-
6-3 各式卷積
-
6-4 池化層（Pooling Layer）
-
6-5 CNN模型實作
-
6-6 影像資料增補（Data Augmentation）
-
6-7 可解釋的AI（eXplainable AI，XAI）
-
參考資料（References）
-
-
07 預先訓練的模型（Pre-trained Model）
-
7-1 預先訓練模型的簡介
-
7-2 採用完整的模型
-
7-3 採用部分模型
-
7-4 轉移學習（Transfer Learning）
-
7-5 Batch Normalization 說明
-
參考資料（References）
-
-
-
第三篇 進階的影像應用
-
08 物件偵測（Object Detection）
-
8-1 圖像辨識模型的發展
-
8-2 滑動視窗（Sliding Window）
-
8-3 方向梯度直方圖（HOG）
-
8-4 R-CNN物件偵測
-
8-5 R-CNN改良
-
8-5 YOLO演算法簡介
-
8-6 YOLO環境建置
-
8-7 以TensorFlow實作YOLO模型
-
8-8 YOLO模型訓練
-
8-9 SSD演算法
-
8-10 TensorFlow Object Detection API
-
8-11 物件偵測的效能衡量指標
-
8-12 總結
-
參考資料（References）
-
-
09 進階的影像應用
-
9-1 語義分割（Semantic Segmentation）介紹
-
9-2 自動編碼器（AutoEncoder）
-
9-3 語義分割（Semantic segmentation）實作
-
9-4 實例分割（Instance Segmentation）
-
9-5 風格轉換（Style Transfer）──人人都可以是畢卡索
-
9-6 臉部辨識（Facial Recognition）
-
9-7 光學文字辨識（OCR）
-
9-8 車牌辨識（ANPR）
-
9-9 卷積神經網路的缺點
-
參考資料（References）
-
-
10 生成對抗網路（GAN）
-
10-1 生成對抗網路介紹
-
10-2 生成對抗網路種類
-
10-3 DCGAN
-
10-4 Progressive GAN
-
10-5 Conditional GAN
-
10-6 Pix2Pix
-
10-7 CycleGAN
-
10-8 GAN挑戰
-
10-9 深度偽造（Deepfake）
-
參考資料（References）
-
-
-
第四篇 自然語言處理
-
11 自然語言處理的介紹
-
11-1 詞袋（BOW）與TF-IDF
-
11-2 詞彙前置處理
-
11-3 詞向量（Word2Vec）
-
11-4 GloVe模型
-
11-5 中文處理
-
11-6 spaCy套件
-
參考資料（References）
-
-
12 自然語言處理的演算法
-
12-1 循環神經網路（RNN）
-
12-2 長短期記憶網路（LSTM）
-
12-3 LSTM重要參數與多層LSTM
-
12-4 Gate Recurrent Unit（GRU）
-
12-5 股價預測
-
12-6 注意力機制（Attention Mechanism）
-
12-7 Transformer架構
-
12-8 BERT
-
12-9 Transformers套件
-
12-10 總結
-
參考資料（References）
-
-
13 聊天機器人（ChatBot）
-
13-1 ChatBot類別
-
13-2 ChatBot設計
-
13-3 ChatBot實作
-
13-4 ChatBot工具套件
-
13-5 Dialogflow實作
-
13-6 結語
-
參考資料（References）
-
-
14 語音辨識
-
14-1 語音基本認識
-
14-2 語音前置處理
-
14-3 語音相關的深度學習應用
-
14-4 自動語音辨識（Automatic Speech Recognition）
-
14-5 自動語音辨識實作
-
14-6 結語
-
參考資料（References）
-
-
-
第五篇 強化學習（Reinforcement Learning）
-
15 強化學習
-
15-1 強化學習的基礎
-
15-2 強化學習模型
-
15-3 簡單的強化學習架構
-
15-4 Gym套件
-
15-5 Gym擴充功能
-
15-6 動態規劃（Dynamic Programming）
-
15-7 值循環（Value Iteration）
-
15-8 蒙地卡羅（Monte Carlo）
-
15-9 時序差分（Temporal Difference）
-
15-10 其他演算法
-
15-11 井字遊戲
-
15-12 木棒台車（CartPole）
-
15-13 結論
-
參考資料（References）
-
-
- 出版地 ： 臺灣
- 語言 ： 繁體中文
- DOI ： 10.978.9860776/263
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
PDF
PDF
