
0人評分過此書
ChatGPT X Keras X PyTorch全方位應用實踐指南:從零開始的AI程式設計養成之路
文理組都能成功自學 AI 程式
理論與實作並用,打造穩固的深度學習基礎!
本書內容改編自第 14 屆 iThome 鐵人賽 AI & Data 組的佳作系列文章《新手也能懂得 AI - 深入淺出的 AI 課程》。本書將以 AI 人工智慧的圖像與文字兩大領域應用為主軸,並對目前熱門的技術進行深度解析,內容範圍廣闊,涵蓋了辨識、生成和預測等技術。在閱讀本書的過程中,讀者不但會學習到基礎理論,同時也會進行程式撰寫訓練,並從實作練習加深對理論的理解與記憶。
本書提供了一條 6 階段的人工智慧學習之路,從基本 Python 程式、爬蟲技術打好基礎,接著正式引領你進入 AI 人工智慧,了解深度學習模型的運作原理,並且跟著實作範例從無到有寫出 AI 程式,最後還能學會將 ChatGPT 串接到 LINE Bot,打造智慧個人小幫手。
在這本書中,你將認識到各種常見的深度學習模型,包括 DNN、RNN、CNN,搭配適合初學者的 Keras、PyTorch、NumPy 等強大函式庫,讓你可以輕鬆打造阿拉伯數字辨識模型、股票趨勢預測圖,建立文章摘要,以及使用預訓練模型來強化模型的辨識能力。
四大重點:
1.內容由簡入深
從簡易入門,逐步理解人工智慧
2.打通 AI 技能
學習不同 AI 專案,將程式應用於生活
3.全方面教學
不需要程式基礎,從零開始寫程式
4.理論結合實作
理論與程式並重,會寫也會玩 AI
目標讀者:
● 對於人工智慧懷抱熱情,但是毫無程式經驗的新手
● 希望能夠快速習得並累積人工智慧程式專案經驗的工程師
● 剛踏入人工智慧領域的學生和研究者
● 需要結合人工智慧,用於特定應用領域的專業人士
專業推薦:
「如果您正在尋找一本全面且深入的人工智慧學習資源,這本書絕對值得一讀。它提供了結構良好的學習路徑,使您能夠從基礎到高階的技術水平不斷進步。此外它以自學為導向,使您能夠更好地理解和應用所學知識,這對於成功應用人工智慧技術至關重要。無論您的學習目標如何,這本書都是一個出色的起點。」
──── 李俊宏 │ 國立高雄科技大學 電機工程系 資通組教授
理論與實作並用,打造穩固的深度學習基礎!
本書內容改編自第 14 屆 iThome 鐵人賽 AI & Data 組的佳作系列文章《新手也能懂得 AI - 深入淺出的 AI 課程》。本書將以 AI 人工智慧的圖像與文字兩大領域應用為主軸,並對目前熱門的技術進行深度解析,內容範圍廣闊,涵蓋了辨識、生成和預測等技術。在閱讀本書的過程中,讀者不但會學習到基礎理論,同時也會進行程式撰寫訓練,並從實作練習加深對理論的理解與記憶。
本書提供了一條 6 階段的人工智慧學習之路,從基本 Python 程式、爬蟲技術打好基礎,接著正式引領你進入 AI 人工智慧,了解深度學習模型的運作原理,並且跟著實作範例從無到有寫出 AI 程式,最後還能學會將 ChatGPT 串接到 LINE Bot,打造智慧個人小幫手。
在這本書中,你將認識到各種常見的深度學習模型,包括 DNN、RNN、CNN,搭配適合初學者的 Keras、PyTorch、NumPy 等強大函式庫,讓你可以輕鬆打造阿拉伯數字辨識模型、股票趨勢預測圖,建立文章摘要,以及使用預訓練模型來強化模型的辨識能力。
四大重點:
1.內容由簡入深
從簡易入門,逐步理解人工智慧
2.打通 AI 技能
學習不同 AI 專案,將程式應用於生活
3.全方面教學
不需要程式基礎,從零開始寫程式
4.理論結合實作
理論與程式並重,會寫也會玩 AI
目標讀者:
● 對於人工智慧懷抱熱情,但是毫無程式經驗的新手
● 希望能夠快速習得並累積人工智慧程式專案經驗的工程師
● 剛踏入人工智慧領域的學生和研究者
● 需要結合人工智慧,用於特定應用領域的專業人士
專業推薦:
「如果您正在尋找一本全面且深入的人工智慧學習資源,這本書絕對值得一讀。它提供了結構良好的學習路徑,使您能夠從基礎到高階的技術水平不斷進步。此外它以自學為導向,使您能夠更好地理解和應用所學知識,這對於成功應用人工智慧技術至關重要。無論您的學習目標如何,這本書都是一個出色的起點。」
──── 李俊宏 │ 國立高雄科技大學 電機工程系 資通組教授
-
CHAPTER 01 Python入門
-
1.1 Python發展歷史
-
1.2 安裝Python與函式庫
-
安裝Python
-
安裝函式庫
-
開啟教材
-
-
1.3 資料型態
-
數值型態(Numeric Type)
-
字串型態(String Type)
-
容器型態(Container Type)
-
-
1.4 變數與運算
-
指派變數
-
全域變數與區域變數
-
垃圾回收機制
-
-
1.5 運算式、運算子及運算元
-
算術運算子
-
邏輯運算子
-
比較運算子
-
-
1.6 判斷式與迴圈
-
if...elif...else
-
for迴圈
-
while迴圈
-
-
1.7 函數與類別
-
函數(Function)
-
類別(Class)
-
-
本章總結
-
-
CHAPTER 02 網路爬蟲
-
2.1 Selenium介紹與安裝
-
安裝方式
-
-
2.2 定位網站的元素
-
使用瀏覽器定位HTML元素
-
-
2.3 Selenium實作
-
本章總結
-
-
CHAPTER 03 理解何謂人工智慧
-
3.1 何謂人工智慧
-
3.2 人工智慧的發展歷史
-
3.3 人工智慧、機器學習、深度學習
-
人工智慧
-
機器學習
-
深度學習
-
-
3.4機器學習中不同的學習方式
-
監督式學習
-
非監督式學習
-
強化式學習
-
遷移式學習
-
-
本章總結
-
-
CHAPTER 04 DNN原理介紹與Keras實作
-
4.1 何謂深度神經網路(DNN) ?
-
輸入層(Input Layer)
-
隱藏層(Hidden Layer)
-
輸出層(Output Layer)
-
-
4.2 前向傳播與反向傳播
-
前向傳播(Forward Propagation)
-
反向傳播(Back Propagation)
-
-
4.3 學習率、梯度與優化器是什麼?
-
4.4 程式碼實作與解析: MNIST手寫辨識
-
本章總結
-
-
CHAPTER 05 LSTM原理介紹與Keras實作
-
5.1 循環神經網路(RNN)
-
5.2 LSTM (Long Short-Term Memory)
-
遺忘門層(Forget Gate Layer)
-
狀態保存層(Cell State)
-
輸出層(Output Layer)
-
-
5.3 程式碼實作與解析:繪製股票趨勢預測圖
-
本章總結
-
-
CHAPTER 06 CNN原理介紹與PyTorch實作
-
6.1 卷積神經網路(CNN)
-
卷積層(Convolution Layer)
-
池化層(Pooling Layer)
-
全連接層(Fully Connected Layer)
-
-
6.2 PyTorch介紹與安裝
-
安裝方式
-
-
6.3 程式碼實作與解析: CIFAR10影像辨識
-
本章總結
-
-
CHAPTER 07 DCGAN原理介紹與PyTorch實作
-
7.1 深度卷積生成式對抗網路(Deep Convolutional GAN)
-
7.2 鑑別器與生成器
-
鑑別器
-
生成器
-
-
7.3 程式碼實作與解析:生成假的MNIST手寫辨識
-
本章總結
-
-
CHAPTER 08 VGG16原理介紹與PyTorch實作
-
8.1 預訓練模型VGG16 (Visual Geometry Group 16)
-
8.2 預訓練模型與遷移式學習
-
8.3 程式碼實作與解析:真假MNIST手寫辨識
-
本章總結
-
-
CHAPTER 09 LSTM自然語言處理與PyTorch實作
-
9.1 電腦該如何讀懂文字?
-
9.2 Encoder、Decoder、Attention
-
9.3 TorchText安裝與介紹
-
安裝方式
-
-
9.4 程式碼實作與解析: IMDB影評情緒分析
-
本章總結
-
-
CHAPTER 10 BERT原理介紹與PyTorch實作
-
10.1萬物皆可Transformer
-
10.2 BERT
-
10.3認識Hugging Face
-
安裝方式
-
-
10.4程式碼實作與解析:真假新聞辨識
-
本章總結
-
-
CHAPTER 11 T5原理介紹與PyTorch實作
-
11.1 T5介紹
-
模型架構選擇
-
-
11.2 T5的文本遮蔽方式
-
自監督預訓練策略(High-Level Approaches)
-
替換方式(Corruption Strategies)
-
替換率(Corruption Rate)
-
替換長度(Corruption Span Length)
-
-
11.3程式碼實作與解析:生成新聞摘要
-
本章總結
-
-
CHAPTER 12 ChatGPT Prompt設計與應用
-
12.1 GPT
-
GPT-2
-
GPT-3
-
ChatGPT
-
-
12.2 ChatGPT能做什麼?
-
解釋程式碼
-
撰寫程式碼
-
修正程式碼
-
-
12.3 指令的設計方式
-
12.4 ChatGPT的API申請方式
-
OpenAI API申請方式
-
Azure API申請方式
-
-
12.5 程式碼實作與解析:建立個人智慧ChatGPT小幫手
-
本章總結
-
參賽後記
-
- 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