0人評分過此書

AI+AIoT 概論:寫給大學生看的AI通識學習

出版日期
2023/08/28
閱讀格式
PDF
書籍分類
學科分類
ISBN
9786263245341

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
專業推薦!! (依姓名筆畫排序)
謝邦昌 輔仁大學副校長
劉力瑜 台灣大學農藝學系教授
張順教 臺灣科技大學企業管理系教授
張智星 玉山金控科技長
翁仕明 臺北護理健康大學語言治療與聽力學系副教授
袁千雯 台灣師範大學圖書資訊學研究所助理教授
邱詩雯 台灣師範大學國語教學中心研發組組長
林翠娟 全家便利商店數位轉型部副本部長
林玲如 台灣金融科技協會監事
李家岩 台灣大學資訊管理系教授

蔡宗翰教授與裴有恆老師致力於AI與AIoT的教學研究及服務,本書乃探討人工智慧的概念、類型、技術和應用,是一本相當棒的AI入門書籍。看完此書您一定會有AI的任督二脈被打通的舒暢感覺,看官不妨屏氣凝神好好邁向AI的新時代。
------天主教輔仁大學副校長 謝邦昌 教授

這是一本國內少有針對人工智慧教學的科普著作。適合給入門的讀者提供基礎的人工智慧知識,也適合作為學校科普教學用的書籍。作者累積多年在人工智慧的產業實務經驗,希望藉由人工智慧理論基礎及產業應用,讓讀者可以在短時間內熟悉此一領域。讓人工智慧知識不再是高不可攀,可以飛入平常百姓之家。
------臺灣科技大學企管系 張順教 教授

本書的第一至第三章介紹了人工智慧、機器學習及深度學習,可以讓門外漢在不需要任何數學基礎的情況下,得以一窺AI的歷史、技術原理、應用、侷限等重要議題,同時也瞭解機器學習及深度學習的各項重要模型。而第四至第十章,則是重點式地介紹在各個領域的典型應用,包含人文與法律、醫療、金融、行銷零售、工業、農業等,可以讓各領域的專業人士瞭解AI及AIOT在特定領域的應用方式與目前的進程。
本書將引領我們進入AI和AIoT的世界,幫助我們理解它們如何塑造我們的未來,讓我們一同期待並擁抱AI所帶來的變革,並以此為契機,開創更加繽紛多彩的未來。
------玉山金控科技長 張智星 教授

在台灣正值推動「產業AI化」與「AI產業化」的政策方向,協助AI人才培育與產業發展是主要的核心任務,相信本書對於初步踏入人工智慧領域的學習者來說,能帶來全面且通盤的視野。
------國立臺灣大學資訊管理學系 李家岩 教授

文組的我們不必學會寫程式,但要先理解演算法邏輯,在這前提下才能大膽的發想問題,尋找跨領域團隊合作,有效的溝通,精煉人文意義與價值。「以史為鏡,可以知興替」,谷騰堡在歐洲發明活字印刷造成媒介革命,引發後續歐洲文藝復興、宗教改革、啟蒙時代和科學革命。在AI人機合作的數位時代,您我都不能置身事外。安常處順、因時制宜,讓我們一起入門AI,迎接新時代的來臨!
------國立臺灣師範大學華語文教學系 邱詩雯 助理教授
  • PART I AI 的原理基礎
    • CHAPTER 1 人工智慧
      • 1.1 什麼是人工智慧 (Artificial Intelligence)?
      • 1.2 人工智慧的歷史
      • 1.3 人工智慧的類型
      • 1.4 人工智慧的技術
      • 1.5 人工智慧的應用
      • 1.6 人工智慧的局限
      • 1.7 人工智慧的未來:生成式AI 帶來的機會之窗
      • 1.8 人工智慧的道德和倫理
      • 1.9 小結
    • CHAPTER 2 機器學習
      • 2.1 什麼是機器學習?
      • 2.2 機器學習的類型
      • 2.3 機器學習的應用
      • 2.4 機器學習的發展趨勢
    • CHAPTER 3 深度學習
      • 3.1 深度學習的基礎知識(Loss function)
      • 3.2 深度學習的基本神經網路類型
      • 3.3 深度學習的新範式:預訓練——訓練
      • 3.4 Transformer 神經網路
      • 3.5 基於編碼器的神經網路(BERT)
      • 3.6 基於解碼器的神經網路——GPT(Generative Pre-training Transformer)
      • 3.7 電腦視覺的預訓練網路
      • 3.8 生成網路
      • 3.9 多模態深度學習
      • 3.10 圖神經網路(Graph Neural Networks,GNN)
  • PART II AI 的各種應用
    • CHAPTER 4 人文與法律應用
      • 4.1 介紹
      • 4.2 由數位人文到AI 人文
      • 4.3 AI 人文所常用的AI 技術
      • 4.4 AI 於法律的應用
      • 4.5 結論
    • CHAPTER 5 醫療應用
      • 5.1 介紹
      • 5.2 AI 應用架構與案例
      • 5.3 結論
    • CHAPTER 6 金融應用
      • 6.1 介紹
      • 6.2 AI 應用架構與案例
      • 6.3 結論
    • CHAPTER 7 行銷零售應用
      • 7.1 介紹
      • 7.2 AI 應用架構與案例
      • 7.3 結論
    • CHAPTER 8 工業應用
      • 8.1 介紹
      • 8.2 AI 應用架構與案例
      • 8.3 結論
    • CHAPTER 9 農業應用
      • 9.1 介紹
      • 9.2 AI 應用架構與案例
      • 9.3 結論
    • CHAPTER 10 未來展望
      • 10.1 介紹
      • 10.2 AI 應用架構與案例
      • 10.3 結論
  • APPENDIX A AI 技術的未來走向
    • A.1 可信賴AI
    • A.2 個人數據的隱私權與AI 發展的平衡
    • A.3 超巨大深度學習模型
  • APPENDIX B AIoT 的創新思考
  • APPENDIX C 生成式AI 的Prompt 構成
    • C.1 Chat GPT(GPT)系列的Prompt
    • C.2 DALL-E、Midjourney、Stable Diffusion 系列等算圖用的Prompt
  • APPENDIX D 參考書籍
  • 出版地 臺灣
  • 語言 繁體中文

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