新書推薦:
《
我只想讓我女兒有個家:一個單親女傭的求生之路
》
售價:HK$
118.8
《
圖解火災學
》
售價:HK$
163.3
《
愛過你
》
售價:HK$
112.8
《
耶魯操盤手:非典型成功
》
售價:HK$
151.6
《
超人氣Facebook粉絲專頁行銷加油讚(第五版) - 解鎖社群行銷困局+突破粉絲經營盲點=變身最神小編難波萬!
》
售價:HK$
106.9
《
先齊家,再治國:曾國藩的理家術
》
售價:HK$
112.8
《
啟蒙運動(上):現代異教精神的崛起(2019年版)
》
售價:HK$
178.1
《
當我再次是個孩子:波蘭兒童人權之父選集
》
售價:HK$
103.9
內容簡介:
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Fran oisChollet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Fran oisChollet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
■KerasAPI、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.twbktf9379
也歡迎加入本書社群,和技術者們直接對話!
「從做中學Learningbydoing」粉絲專頁
www.facebook.comflaglearningbydoing
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。
關於作者:
Fran oisChollet
Fran oisChollet為Keras之父,是Keras函式庫的創始者,也是TensorFlow機器學習框架的貢獻者,目前任職於Google深度學習小組,公認為全球AI人工智慧領域的權威之一,也經常在社群媒體針對AI或機器學習技術發表前瞻性的看法。
作者同時也是一名知名學者,主要研究方向為電腦視覺和機器學習在正規推理中的應用,其論文時常發表於該領域的主要學術會議上,包括電腦視覺和模式識別會議ConferenceonComputerVisionandPatternRecognition,CVPR、神經資訊處理系統研討會ConferenceandWorkshoponNeuralInformationProcessingSystem,NIPS、國際學習表示法會議InternationalConferenceonLearningRepresentations,ICLR,與其他重要學術會議上。
目錄 :
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
3-2Keras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featureengineering和特徵學習featurelearning
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
8-2DeepDream
8-3神經風格轉換
8-4使用變分自編碼器VariationalAutoencoders生成圖像
8-5生成對抗神經網路簡介GenerativeAdversarialNetwork
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EC2GPU虛擬主機上使用JupyterNotebook開發機器學習專案