庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 whatsapp 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
二樓書籍分類
 
Keras大神歸位:深度學習全面進化!用 Python 實作CNN、RNN、GRU、LSTM、GAN、VAE、Transformer

Keras大神歸位:深度學習全面進化!用

沒有庫存
訂購需時10-14天
9789863127017
Francois Chollet
黃逸華,林采薇
旗標
2022年6月22日
400.00  元
HK$ 360  






ISBN:9789863127017
  • 規格:平裝 / 656頁 / 18.3 x 23.5 x 3.1 cm / 普通級 / 部份全彩 / 初版
  • 出版地:台灣


  • >

















    正宗Keras大神著作再次降臨!

    ?

      近10年來,深度學習為人工智慧領域帶來了出色的進展,也解鎖了許多有趣的新功能,如:機器翻譯、影像識別、物體定位等不一而足。毫不誇張地說,深度學習已迅速成為每位軟體開發者必備的武器。此外,諸如Keras和TensorFlow等先進的工具,也消除了普通人與深度學習之間的隔閡。即使你只有高中程度的數學知識,且甚至沒有資料科學的相關背景,也依舊可以透過這些工具來建構有趣的深度學習應用。

    ?

      本書由 Keras 創始者親自撰寫,沒人比他更了解Keras這套工具,雖然如此,但這並不是一本 Keras 的使用手冊,而是帶你從頭開始探索深度學習,進而拓展對深度學習理解的經典之作。你也將從中明瞭解決機器學習問題的標準作業流程,以及未來實務上如何克服可能遇到的問題。

    ?

      本書前一版在全世界都獲得非常高的評價,並被翻譯成12種語言,到現在仍是技術社群推薦必讀的深度學習入門書。不過深度學習技術在這短短幾年有巨大的進展,因此第二版作者新增了許多常見任務的實作專案,例如:影像分割、時間序列預測、機器翻譯等。另外,作者還加入了當前熱門技術的介紹,如attention機制、Transformer架構、KerasTuner等,並搭配實作案例來加深讀者的理解。

      

      由於第二版的內容修改幅度極大,因此中文版重新編譯,由業內專家進行翻譯、審閱,在專有名詞的說法和敘述,都更加符合國內業界的習慣用語。無論你是從業中的機器學習工程師、軟體開發人員,還是資訊科系學生,本書的內容都會對你有所幫助。

    ?

    本書特色

    ?

      ☆全面採用最新的Tensorflow × Keras版本

      ☆Keras創始者親筆之作,以自身經驗分享深度學習的門道

      ☆從做中學,各章皆搭配豐富專案實作,不會只是紙上談兵

      ☆延續第一版的紮實基礎內容,新增了當前最熱門的技術,讓讀者可以更上一層樓

      ■卷積神經網路

      ■殘差連接

      ■變分自編碼器(VAE)

      ■self-attention機制

      ■Transformer架構

      ■KerasTuner超參數調校

      ■模型集成

      ■混合精度訓練 等等

      ☆本書由施威銘研究室監修,書中針對原書進行大量補充,並適當添加註解,幫助讀者更好地理解內容

    ?

    重磅推薦

    ?

      「掌握本質, 了解其所能與不能, 是面對技術快速迭代、世局難以預測的鑰匙。本書就是開啟深度學習的一把鑰匙。」——鴻海研究院執行長 李維斌

    ?

      「對於想熟悉 Keras和Tensorflow的技術人來說, 是一本極佳的入門學習書, 而對於不熟悉技術只想一窺門道的人來說, 結構井然的邏輯和極為通暢易讀的寫作方式, 大大降低了非技術出身如我輩的學習門檻。」——台灣人工智慧科技基金會執行長 溫怡玲

      

      「Keras大神親自出手將最新的發展及其具體應用範例帶到我們面前, 在AI產業界來說, 這是極其重要的大事, 不可等閒視之, 而且是由在 AI領域著墨很深、實踐經驗豐富的黃逸華數據長主持翻譯與審閱工作, 更讓我們充滿期待。」——台灣人工智慧協會副理事長 黃國寶

    ?

      「不管是AI的新手還是老手, 都可以在這本書上學到東西, 也感謝有人把英文版翻成中文讓大家學習得更快。如果看完還不過癮, 還可以去Amazon上看英文版, 肯定能滿足各位對AI學習的需求。」——台灣人工智慧學校

    ?

      「大神再次出手, 這是AI產業化的高光時刻, 很榮幸可以參與這場盛事, 也謝謝您的關注。」——華實智造科技有限公司數據長 黃逸華



     





    ★第1章:何謂深度學習?

    1-1 人工智慧、機器學習與深度學習

    1-2 機器學習的基礎技術

    1-3 為什麼是深度學習?為什麼是現在?



    ★第2章:神經網路的數學概念

    2-1 初探神經網路:第一隻神經網路

    2-2 神經網路的資料表示法:張量Tensor

    2-3 神經網路的工具:張量運算

    2-4 神經網路的引擎:以梯度為基礎的最佳化

    2-5 重新檢視我們的第一個例子



    ★第3章:Keras和TensorFlow簡介

    3-1 TensorFlow是什麼?

    3-2 Keras是什麼?

    3-3 Keras與TensorFlow的戀愛史

    3-4 設定深度學習工作站

    3-5 使用TensorFlow的第一步

    3-6 剖析神經網路:了解Keras API的核心



    ★第4章:開始使用神經網路:分類與迴歸問題

    4-1 二元分類範例:將電影評論分類為正評或負評

    4-2 多類別分類範例:分類數位新聞專欄

    4-3 迴歸範例:預測房價



    ★第5章:機器學習的基礎

    5-1 普適化:機器學習的終極目標

    5-2 評估機器學習模型

    5-3 提升模型的擬合表現

    5-4 提高普適化能力



    ★第6章:機器學習的工作流程

    6-1 定義任務

    6-2 開發模型

    6-3 部署模型



    ★第7章:深入探討Keras

    7-1 Keras的工作流程

    7-2 建構Keras模型的不同方法

    7-3 使用內建的訓練與評估迴圈

    7-4 設計自己的訓練及評估迴圈



    ★第8章:電腦視覺的深度學習簡介

    8-1 卷積神經網路(CNN)

    8-2 以少量資料集從頭訓練一個卷積神經網路

    8-3 利用預先訓練好的模型



    ★第9章:電腦視覺的進階技巧

    9-1 電腦視覺的三種基本任務

    9-2 影像分割案例

    9-3 現代卷積神經網路的架構模式

    9-4 卷積神經網路學到了什麼?



    ★第10章:時間序列的深度學習

    10-1 各種時間序列任務

    10-2 溫度預測任務

    10-3 認識循環神經網路(recurrent neural networks)

    10-4 循環神經網路的進階運用



    ★第11章:文字資料的深度學習

    11-1 概述自然語言處理(natural language processing, NLP)

    11-2 準備文字資料

    11-3 表示單字組的兩種方法:集合(set)及序列(sequence)

    11-4 Transformer架構

    11-5 文字分類之外的任務-以Seq2seq模型為例



    ★第12章:生成式深度學習

    12-1 使用LSTM來生成文字資料

    12-2 DeepDream

    12-3 神經風格轉換

    12-4 使用變分自編碼器(Variational AutoEncoder)生成影像

    12-5 對抗式生成網路(GAN)簡介



    ★第13章:實務上的最佳實踐

    13-1 讓模型發揮最大效用

    13-2 擴大模型的訓練規模



    ★第14章:結語

    14-1 回顧關鍵概念

    14-2 深度學習的倨限性

    14-3 為提高AI普適性設定方向

    14-4 實踐智慧:缺少的成分

    14-5 深度學習的未來

    14-6 在快速發展的領域保持最新狀態




    其 他 著 作
    1. Deep learning 深度學習必讀:Keras 大神帶你用 Python 實作
    2. Deep Learning with Python