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
   
成為賈伯斯:天才巨星的挫敗與孕成
  • 定價217.00元
  • 8 折優惠:HK$173.6
  • 放入購物車
二樓書籍分類
 
Towards Tensorflow 2.0:無痛打造AI模型(iT邦幫忙鐵人賽系列書)

Towards

沒有庫存
訂購需時10-14天
9789864345007
陳峻廷
博碩
2020年7月08日
167.00  元
HK$ 141.95
省下 $25.05
 
二樓書卷使用細則 二樓書卷使用細則





ISBN:9789864345007
  • 規格:平裝 / 272頁 / 17 x 23 x 1.36 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣


  • >











      本書改編自第 11 屆 iT 邦幫忙鐵人賽,Google Developers Machine Learning 組冠軍網路系列文章 ?《Towards Tensorflow 2.0:無痛打造AI模型》,是一本完整結合 Google Colab 學習Tensorflow 的台灣本土專書。AI、機器學習為近年來最熱門的話題,如何透過 AI 來提高企業營收或降低成本,已是各大企業爭相研究的技術。這是一本涵蓋基礎 Tensorflow 語法到各大應用領域的專書,豐富內容結合業界實戰心得與應用 ( 包括:價格預測、影像辨識、推薦系統等 ),帶你探索 AI 的奧妙。



      三大重點

      ? 內容涵蓋現今 Tensorflow 2.0 最新語法,由淺入深帶你了解 Tensorflow 語法,從資料選取、資料處理、模型訓練以及視覺化均包含於此書。



      ? 本書涵蓋 DNN、CNN、RNN、GAN 、RL 等現今熱門模型,且搭配許多經典有趣的資料集做學習。除了實作,書中也會提及在真實世界所會遇到的的問題及解法。



      ? 透過線上免費雲端運算資源帶你學習 Tensorflow2.0,不僅不需擁有高運算設備即能學習現今最熱門的 AI 模型,也可以省略掉繁瑣的安裝步驟,可立即上手並學習 AI 核心概念。



      適用讀者

      具備基礎程式編寫能力的 Tensorflow 初學者、對 AI 有興趣或想轉職成為 AI 工程師的讀者。


     





    01 Tensorflow 介紹

    1-1 什麼是Tensorflow?

    1-2 Tensorflow 2.0

    1-3 線上免費開發測試環境

    1-4 總結



    02 Tensorflow 基本語法

    2-1 變數類型

    2-2 建立數據

    2-3 數據操作

    2-4 數據運算

    2-5 總結



    03 TF.Keras API

    3-1 基本操作

    3-2 定義模型

    3-3 模型訓練

    3-4 模型儲存

    3-5 總結



    04 Python 資料處理與視覺化實戰

    4-1 初入茅廬

    4-2 小試身手

    4-3 熟能生巧

    4-4 觸類旁通

    4-5 融會貫通



    05 深度神經網路 (Deep Neural Network)

    5-1 線性迴歸 (Regression)

    5-2 優化器 (Optimizer)

    5-3 深度神經網路 (Deep Neural Network)

    5-4 深度神經網路- Lab 1 (Data:Airbnb)

    5-5 深度神經網路- Lab 2 (Data:Fashion MNIST)

    5-6 總結



    06 卷積神經網路 (Convolutional Neural Network)

    6-1 CNN

    6-2 VGG



    07 遞歸神經網路 (Recurrent Neural Network)

    7-1 遞歸神經網路 (RNN)

    7-2 長短期記憶網路

    7-3 RNN 實作 - 情感分析

    7-4 RNN 實作 - 股價預測

    7-5 BERT 初探

    7-6 實務技巧分享

    7-7 案例說明



    08 推薦系統 (Recommendation System)

    8-1 推薦系統介紹

    8-2 Wide & Deep 推薦系統介紹

    8-3 Deep & Wide 模型 Lab

    8-4 實務經驗與結論



    09 從Auto-Encoder 到GAN

    9-1 非監督式學習 (Unsupervised Learning)

    9-2 自動編碼器 (Auto-Encoder)

    9-3 自動編碼器 (Auto-Encoder) 實作

    9-4 Variational Auto-Encoder (VAE)

    9-5 生成對抗網路 (Generative Adversarial Network)

    9-6 GAN 實作LAB-1

    9-7 GAN 實作LAB-2 MNIST



    10 增強式學習 (Reinforcement Learning)

    10-1 什麼是增強式學習RL

    10-2 RL 的學習方法

    10-3 DeepQNetwork

    10-4 RL DQN - Colab 實作

    10-5 總結



    11 模型調教與模型服務

    11-1 模型調教問題 - Overfit 以及Underfit

    11-2 模型視覺化 - TensorBoard

    11-3 遷移學習 (Transfer Learning)

    11-4 模型服務 (Model Serving)

    11-5 總結



    ?




    其 他 著 作