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
 
Deep learning 深度學習必讀:Keras 大神帶你用 Python 實作

Deep

庫存=1
將於1個工作天內出貨
9789863125501
Francois Chollet
葉欣睿
旗標
2019年5月31日
333.00  元
HK$ 299.7  






ISBN:9789863125501
  • 規格:平裝 / 504頁 / 18.3 x 23.5 x 3 cm / 普通級 / 部份全彩 / 初版
  • 出版地:台灣


  • >

















      用 Python + Keras 實踐深度學習, 解開神經網路模型的黑盒子



      在高階函式庫 Keras 的幫助下, 用 6 行程式就可寫一隻深度學習神經網路的程式, 建構深度學習模型就像玩樂高積木一樣, 可以輕易將各種神經網路組合在一起, 而每一種模型可用來解決不同的問題。



      正宗 Keras 大神著作,正體中文版重磅登場



      本書為 Keras 之父 Francois Chollet 親自撰寫, 詳細解說神經網路每一層的架構與原理, 並不時提供個人經驗累積而成的真知灼見, 帶領讀者熟悉機器學習的標準工作流程, 並了解如何使用 Keras 解決從電腦視覺到自然語言處理的各種實務問題, 例如圖像分類、時間序列預測、情感分析、圖像和文字資料的生成...等, 最有效率實作出可用的模型, 絕對是機器學習、資料科學、人工智慧從業人員必讀的經典之作。



      最後引述 Francois Chollet 在書中所說:深度學習並不難, 只是又多又雜, 這本書就是希望能夠提供更多人瞭解深度學習的第一步。這不表示我們會把複雜的內容簡化 (因為這些都是深度學習所必需的), 而是希望各位不要擔心深度學習太過於困難而裹足不前。希望你能夠發現本書的價值, 並跟著本書逐步建構屬於你的人工智慧應用程式。



      ■ CNN – 用於電腦視覺的深度學習

      ■ RNN – 用於文字與序列資料的深度學習

      ■ LSTM、VAE 與 DeepDream

      ■ 神經風格轉換

      ■ GAN 生成對抗神經網路

      ■ 機器學習與神經網路

      ■ 張量 Tensor 與張量運算

      ■ Keras API、callbacks 與 TensorBoard

      ■ 超參數優化與模型集成



      本書相關資源網頁如下, 請登錄下載範例程式及 Bonus:

      www.flag.com.tw/bk/t/f9379



      也歡迎加入本書社群, 和技術者們直接對話!

      「從做中學 Learning by doing」粉絲專頁

      (www.facebook.com/flaglearningbydoing/)



    本書特色

    ?

      本書由施威銘研究室 監修, 書中會針對原書所提及的背景知識做補充, 所有程式均經過實際執行測試, 並適當添加註解與程式碼, 幫助讀者能更加理解程式內容。


     





    Ch01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:深度學習之前

    1-3 為什麼是深度學習?為什麼是現在?



    Ch02 開始之前:了解神經網路的數學概念

    2-1 初探神經網路

    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 回顧我們的第一個例子



    Ch03 開始使用神經網路

    3-1 神經網路的核心元件

    3-2 Keras 簡介

    3-3 建立一個深度學習的作業環境

    3-4 二元分類範例:將電影評論分類為正評或負評

    3-5 分類數位新聞專欄:多類別分類範例

    3-6 預測房價:迴歸範例



    Ch04 機器學習的基礎知識

    4-1 機器學習的四個分支

    4-2 評估機器學習模型

    4-3 資料預處理 (preprocessing)、特徵工程 (feature engineering) 和特徵學習 (feature learning)

    4-4 過度配適 (overfitting) 和低度配適 (underfitting)

    4-5 機器學習的通用工作流程



    Ch05 深度學習實務電腦視覺的深度學習

    5-1 卷積神經網路 CNN

    5-2 以少量資料集從頭訓練一個卷積神經網路

    5-3 使用預先訓練的卷積神經網路

    5-4 視覺化呈現卷積神經網路學習的內容



    Ch06 應用於文字資料與序列資料的深度學習

    6-1 文字資料處理

    6-2 了解循環神經網路

    6-3 循環神經網路的進階使用方法

    6-4 使用卷積神經網路進行序列資料處理



    Ch07 進階深度學習的最佳實作方式

    7-1 超越序列式 (Sequential) 模型:Keras 函數式 API

    7-2 使用 Keras 回呼 (callbacks) 和 TensorBoard 檢查和監控深度學習模型

    7-3 模型成效最大化



    Ch08 生成式深度學習

    8-1 使用 LSTM 產生文字資料

    8-2 DeepDream

    8-3 神經風格轉換

    8-4 使用變分自編碼器 Variational Autoencoders 生成圖像

    8-5 生成對抗神經網路簡介 Generative Adversarial Network



    Ch09 結語

    9-1 回顧關鍵概念

    9-2 深度學習的侷限性

    9-3 深度學習的未來

    9-4 在快速發展的領域保持最新狀態

    9-5 後語



    附錄 A 在 Ubuntu 上安裝 Keras 及相關套件

    附錄 B 在 EC2 GPU 虛擬主機上使用 Jupyter Notebook 開發機器學習專案

    ?




    其 他 著 作
    1. Keras大神歸位:深度學習全面進化!用 Python 實作CNN、RNN、GRU、LSTM、GAN、VAE、Transformer
    2. Deep Learning with Python