0人評分過此書
～ 2022 開發者唯一指定 PyTorch 祕笈！～
深度學習【必備數學與統計原理】✕【圖表說明】✕【PyTorch 實際應用】
★ 作者品質保證 ★
經過眾多專家與學者試閱昭明老師著作皆給【5 顆星】滿分評價！
～ 從基礎理解到 PyTorch 獨立開發，一氣呵成 ～
本書專為 AI 開發者奠定扎實基礎，從數學統計 ► 自動微分 ► 梯度下降 ► 神經層，由淺入深介紹深度學習的原理，並透過大量 PyTorch 框架應用實作各種演算法：
● CNN (卷積神經網路)
● YOLO (物件偵測)
● GAN (生成對抗網路)
● DeepFake (深度偽造)
● OCR (光學文字辨識)
● ANPR (車牌辨識)
● ASR (自動語音辨識)
● BERT / Transformer
● 臉部辨識
● Knowledge Graph (知識圖譜)
● NLP (自然語言處理)
● ChatBot
● RL (強化學習)
● XAI (可解釋的 AI)
本書特色
入門深度學習、實作各種演算法最佳教材！
★以【統計／數學】為出發點，介紹深度學習必備的數理基礎
★以【程式設計取代定理證明】，讓離開校園已久的在職者不會看到一堆數學符號就心生恐懼，縮短學習歷程，增進學習樂趣
★摒棄長篇大論，輔以【大量圖表說明】介紹各種演算法
★【完整的範例程式】及【各種演算法的延伸應用】！直接可在實際場域應用。
★介紹日益普及的【演算法與相關套件】的使用
★介紹 PyTorch 最新版本功能
★與另一本姊妹作《深度學習–最佳入門邁向 AI 專題實戰》搭配，可同時學會 PyTorch 與 TensorFlow
深度學習【必備數學與統計原理】✕【圖表說明】✕【PyTorch 實際應用】
★ 作者品質保證 ★
經過眾多專家與學者試閱昭明老師著作皆給【5 顆星】滿分評價！
～ 從基礎理解到 PyTorch 獨立開發，一氣呵成 ～
本書專為 AI 開發者奠定扎實基礎，從數學統計 ► 自動微分 ► 梯度下降 ► 神經層，由淺入深介紹深度學習的原理，並透過大量 PyTorch 框架應用實作各種演算法：
● CNN (卷積神經網路)
● YOLO (物件偵測)
● GAN (生成對抗網路)
● DeepFake (深度偽造)
● OCR (光學文字辨識)
● ANPR (車牌辨識)
● ASR (自動語音辨識)
● BERT / Transformer
● 臉部辨識
● Knowledge Graph (知識圖譜)
● NLP (自然語言處理)
● ChatBot
● RL (強化學習)
● XAI (可解釋的 AI)
本書特色
入門深度學習、實作各種演算法最佳教材！
★以【統計／數學】為出發點，介紹深度學習必備的數理基礎
★以【程式設計取代定理證明】，讓離開校園已久的在職者不會看到一堆數學符號就心生恐懼，縮短學習歷程，增進學習樂趣
★摒棄長篇大論，輔以【大量圖表說明】介紹各種演算法
★【完整的範例程式】及【各種演算法的延伸應用】！直接可在實際場域應用。
★介紹日益普及的【演算法與相關套件】的使用
★介紹 PyTorch 最新版本功能
★與另一本姊妹作《深度學習–最佳入門邁向 AI 專題實戰》搭配，可同時學會 PyTorch 與 TensorFlow
-
第一篇 深度學習導論
-
第1章 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 TensorFlow vs. PyTorch
-
1-4 機器學習開發流程
-
1-5 開發環境安裝
-
1-6 免費雲端環境開通
-
-
第2章 神經網路(Neural Network)原理
-
2-1 必備的數學與統計知識
-
2-2 萬般皆自『迴歸』起
-
2-3 神經網路
-
-
-
第二篇 PyTorch基礎篇
-
第3章 PyTorch學習路徑與主要功能
-
3-1 PyTorch學習路徑
-
3-2 張量運算
-
3-3 自動微分(Automatic Differentiation)
-
3-4 神經層(Neural Network Layer)
-
3-5 總結
-
-
第4章 神經網路實作
-
4-1 撰寫第一支神經網路程式
-
4-2 模型種類
-
4-3 神經層(Layer)
-
4-4 激勵函數(Activation Functions)
-
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)
-
-
第5章 PyTorch進階功能
-
5-1 資料集(Dataset)及資料載入器(DataLoader)
-
5-2 TensorBoard
-
5-3 模型佈署(Deploy)與TorchServe
-
-
第6章 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)
-
-
第7章 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
-
-
-
第三篇 進階的影像應用
-
第8章 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
-
8-6 YOLO演算法簡介
-
8-7 YOLO測試
-
8-8 YOLO環境建置
-
8-9 YOLO模型訓練
-
8-10 YOLOv5模型訓練
-
8-11 SSD演算法
-
8-12 物件偵測的效能衡量指標
-
8-13 總結
-
-
第9章 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
-
-
第10章 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)
-
-
-
第四篇 自然語言處理
-
第11章 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
-
-
第12章 自然語言處理的演算法
-
12-1 循環神經網路(RNN)
-
12-2 PyTorch內建文本資料集
-
12-3 長短期記憶網路(LSTM)
-
12-4 自訂資料集
-
12-5 時間序列預測
-
12-6 Gate Recurrent Unit(GRU)
-
12-7 股價預測
-
12-8 注意力機制(Attention Mechanism)
-
12-9 Transformer架構
-
12-10 BERT
-
12-11 Transformers套件
-
12-12 總結
-
-
第13章 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
-
-
第14章 語音辨識
-
14-1 語音基本認識
-
14-2 語音前置處理
-
14-3 PyTorch語音前置處理
-
14-4 PyTorch內建語音資料集
-
14-5 語音深度學習應用
-
14-6 自動語音辨識(Automatic Speech Recognition)
-
14-7 自動語音辨識實作
-
14-8 結語
-
-
-
第五篇 強化學習(Reinforcement Learning)
-
第15章 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 井字遊戲
-
15-11 連續型狀態變數與Deep Q-Learning演算法
-
15-12 Actor Critic演算法
-
15-13 實際應用案例
-
15-14 其他演算法
-
15-15 結論
-
-
-
第六篇 圖神經網路(GNN)
-
第16章 圖神經網路(GNN)
-
16-1 圖形理論(Graph Theory)
-
16-2 PyTorch Geometric(PyG)
-
16-3 圖神經網路(GNN)
-
16-4 結論
-
-
- 出版地 ： 臺灣
- 語言 ： 繁體中文
- DOI ： 10.978.6267146/156
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
PDF
PDF
