0人評分過此書

Knock Knock! Deep Learning:新手入門深度學習的敲門磚

出版日期
2021/11/05
閱讀格式
PDF
書籍分類
學科分類
ISBN
9789864349180

本館館藏

借閱規則
當前可使用人數 30
借閱天數 14
線上看 0
借閱中 0
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購

讀者資料
圖書館
* 姓名
* 身分
系所
* E-mail
※ 我們會寄送一份副本至您填寫的Email中
電話
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼
最貼近新手的深度學習理論及應用全方位入門書!

✪學習必備理論,打好基礎,新手不怕被過多的數學式嚇跑。
✪使用PyTorch直覺易懂且強大的深度學習框架,開始應用的第一步。
✪了解自然語言處理、電腦視覺與強化學習等三大領域經典應用與實作,領略深度學習的強大。
✪兼顧理論與實作,而非偏頗一方,培養讀者較全面的理解。
✪包含經典學術論文與知名專案技術講解,幫助讀者掌握此技術所能到達的高度。
✪每章末提供自我檢驗題目,幫助理解與統整各章概念。

【內容簡介】
本書內容改編自第12屆iT邦幫忙鐵人賽AI & Data組冠軍系列文章《Knock Knock!Deep Learning》,是專為深度學習初學者所規劃的內容,旨在以淺顯易懂的文字,帶領深度學習領域的新手度過入門撞牆期。內容從深度學習的基本理論開始,並以PyTorch框架的介紹過渡至應用篇,最後以自然語言處理、電腦視覺與強化學習等三大領域的經典論文與實作專案收尾,循序漸進且去蕪存菁。本書會帶入許多故事性的敘述和插圖,結合作者自身在史丹佛大學修讀碩士期間的學習心得,以及深度學習發展相關的故事,期使本書讀起來不會如教科書一樣厚重,亦不會像網路上的技術文章一般零散無脈絡,讓讀者對深度學習領域的發展有一定的概念。

【內容重點】
✪了解深度學習的基礎理論以及必備的實作知識與工具
內容從人類的神經網路開始,介紹深度學習與其相似之處,並理解神經網路的學習步驟,同時也介紹一些必備的實作知識與工具,以具備基本的實作工程技能。

✪入門深度學習框架PyTorch
內容介紹語法簡潔、好上手且在學術界流行的PyTorch框架,著重實作與應用。

✪深度學習×自然語言處理×電腦視覺×強化學習
內容會依序談到深度學習在三方面的應用,如自然語言處理(Natural Language Processing,NLP)、電腦視覺(Computer Vision,CV)、強化學習(Reinforcement Learning,RL)。除了基本簡介外,還會介紹一些基本實作和改變世界的技術成果。

【適用讀者】
✪對深度學習有興趣,但還不知道它是什麼、能做什麼的新手。
✪零散讀過深度學習相關文章,但仍有知識缺口的入門者。
✪被教科書中龐大的數學理論嚇到,而對深度學習卻步的讀者。
✪正在上學校的深度學習課程,但不知道實作從何開始的學生。
  • Chapter 1 導讀
    • 1.1 什麼是深度學習?
    • 1.2 會探討哪些技術?是否會不夠扎實?
    • 1.3 需要哪些預備知識?
    • 1.4 深度學習的相關書籍這麼多,為什麼要看這本書?
  • Chapter 2 深度學習基礎理論
    • 2.1 從人腦啟發的深度學習
    • 2.2 什麼是訓練一個神經網路?
    • 2.3 細解預測步驟:輸入、權重、激發
    • 2.4 細解訓練步驟:損失、反向傳播、參數更新
    • 2.5 自我檢驗
  • Chapter 3 深度學習必備實作知識與工具
    • 3.1 Coding 前你必須認識的工具
    • 3.2 背考古題不算懂:訓練、測試、驗證集
    • 3.3 幾分能力就做多少事:Overfitting、Underfitting、正則化
    • 3.4 規格統一,做事更有效率:歸一化
    • 3.5 參數初始化有套路
    • 3.6 更優雅的進行優化
    • 3.7 自我檢驗
    • 3.8 參考文獻
  • Chapter 4 PyTorch 入門
    • 4.1 深度學習框架之亂
    • 4.2 PyTorch 安裝
    • 4.3 建立神經網路模型流程概述
    • 4.4 基礎資料形式:Tensor
    • 4.5 Tensor 之間的連結網路:計算圖
    • 4.6 PyTorch 函數收納箱
    • 4.7 PyTorch 優化器
    • 4.8 定義模型架構:Module
    • 4.9 資料集處理
    • 4.10 Hello Deep Learning! MNIST 手寫數字辨識實作範例
    • 4.11 自我檢驗
  • Chapter 5 自然語言處理
    • 5.1 讓我著迷的 Word2Vec
    • 5.2 詞向量的使用與視覺化
    • 5.3 語言與 RNN
    • 5.4 Hello RNN! 中文文本生成實作範例
    • 5.5 打掉重練的勇氣:Google 翻譯與 Seq2Seq
    • 5.6 大躍進:注意力機制
    • 5.7 注意力才是王道:Transformer
    • 5.8 Hello Transformer! 二訪中文文本生成實作範例
    • 5.9 再度大躍進:BERT
    • 5.10 Hello BERT! 文字情緒分析實作範例
    • 5.11 小結
    • 5.12 自我檢驗
    • 5.13 參考文獻
  • Chapter 6 電腦視覺
    • 6.1 從 ImageNet 發起的資料大戰
    • 6.2 圖像與 CNN
    • 6.3 文字也有結構,圖像也有序列
    • 6.4 圖像描述生成實作範例
    • 6.5 改變世界的 GAN
    • 6.6 字型風格轉換實作分享
    • 6.7 小結
    • 6.8 自我檢驗
    • 6.9 參考文獻
  • Chapter 7 強化學習
    • 7.1 決策與 RL
    • 7.2 用 RL 玩電動:Deep Atari
    • 7.3 Hello RL! CartPole 實作範例
    • 7.4 用 RL 打撞球:DeepCueLearning 實作分享
    • 7.5 令世界驚艷的 AlphaGo
    • 7.6 小結
    • 7.7 自我檢驗
    • 7.8 參考文獻
  • Chapter 8 結語與解答
    • 8.1 第二章解答
    • 8.2 第三章解答
    • 8.3 第四章解答
    • 8.4 第五章解答
    • 8.5 第六章解答
    • 8.6 第七章解答

評分與評論

請登入後再留言與評分
幫助
您好,請問需要甚麼幫助呢?
使用指南

客服專線:0800-000-747

服務時間:週一至週五 AM 09:00~PM 06:00

loading