登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入   新用戶註冊

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

新書推薦： 《 甲骨文丛书·古代中国的军事文化 》 售價：NT$ 454.0 《 中国王朝内争实录（套装全4册）：从未见过的王朝内争编著史 》 售價：NT$ 1112.0 《 半导体纳米器件：物理、技术和应用 》 售價：NT$ 806.0 《 创客精选项目设计与制作 第2版 刘笑笑 颜志勇 严国陶 》 售價：NT$ 281.0 《 佛山华家班粤菜传承 华家班59位大厨 102道粤菜 图文并茂 菜式制作视频 粤菜故事技法 佛山传统文化 广东科技 》 售價：NT$ 1010.0 《 武人琴音（十周年纪念版 逝去的武林系列收官之作 形意拳一门三代：尚云祥、韩伯言、韩瑜的人生故事 凸显百年武人命运） 》 售價：NT$ 199.0 《 剑桥斯堪的纳维亚戏剧史（剑桥世界戏剧史译丛） 》 售價：NT$ 704.0 《 禅心与箭术：过松弛而有力的生活（乔布斯精神导师、世界禅者——铃木大拙荐） 》 售價：NT$ 301.0

建議一齊購買： + NT$ 319 《 人工智能导论 》 + NT$ 510 《 机器学习与资产定价 》 + NT$ 632 《 智能硬件产品：从0到1的方法与实践 》 + NT$ 648 《 少年AI一百问 》 + NT$ 458 《 人工智能和蓝牙硬件开发实战 》 + NT$ 534 《 深度学习之PyTorch物体检测实战 》 編輯推薦： 深度学习已经风靡全球，对于计算机相关的从业者来说，学习其相关知识至关重要，对于非计算机领域的从业者来说，学习这些知识也可以大大扩宽自己的视野，对科技世界的发展动向略知一二。《深度学习全书——公式 推导 代码 TensorFlow全程案例》的作者以统计学人的角度，从深度学习必备的数理知识出发，一步步介绍各种领域的算法和应用，帮助学习者们构建一个完整的知识体系，做到即学即用，避免让知识成为空中楼阁。 內容簡介： 《深度学习全书——公式 推导 代码 TensorFlow全程案例》共有15章，分为5部分，第一篇说明深度学习的概念，包括数理基础，特点是结合编程解题，加深读者印象，第二篇说明TensorFlow的学习地图，从张量、自动微分、梯度下降乃至神经层的实践，逐步解构神经网络，第三篇介绍CNN算法、影像应用、转移学习等，第四篇则进入自然语言处理及语音识别的领域，介绍RNN/BERT/Transformer算法、相关应用等，最后，介绍了强化学习的基础知识，包括马尔可夫决策过程、动态规划、蒙特卡洛、Q Learning算法，当然，还有相关案例实践。 關於作者： 陈昭明，成功大学统计系学士、清华大学工业工程研究所硕士。曾任职于IBM、工研院电通所、软件开发公司、ERP顾问公司、电信公司、财经数据库公司，目前担任Python、机器学习、深度学习、AIoT讲师。获2018年IT邦帮忙铁人赛 AI 组冠军、2021年IT邦帮忙铁人赛 AI 组优选。 洪锦魁，中国台湾计算机专家，著名程序员与IT作家。横跨DOS时代、Windows时代、Internet时代、大数据时代，纵观IT兴衰而笔耕不辍。台湾天龙书局IT图书常年霸榜专业户。其作品版权包括：中国台湾（繁体中文）、中国大陆（简体中文）、马来西亚（马来文）、美国（英文）。写作特色：所有程序语法依特性分类，同时以实用的程序范例进行解说，程序确保跑通，让读者可以事半功倍地轻松掌握相关知识。 目錄： 第一篇 深度学习导论 第 1 章 深度学习导论 2 1-1 人工智能的三波浪潮 2 1-2 AI 的学习地图 4 1-3 机器学习应用领域 5 1-4 机器学习开发流程 6 1-5 开发环境安装 7 第 2 章 神经网络原理 12 2-1 必备的数学与统计知识 12 2-2 线性代数 14 2-3 微积分 24 2-3-5 积分 37 2-4 概率与统计 41 2-4-1 数据类型 42 2-4-2 抽样 43 2-4-3 基础统计 46 2-4-4 概率 53 2-4-5 概率分布 59 2-4-6 假设检定 69 2-5 线性规划 78 2-6 普通最小二乘法与最大似然 估计法 81 2-6-1 普通最小二乘法 81 2-6-2 最大似然估计法 84 2-7 神经网络求解 88 2-3-1 微分 24 2-3-2 微分定理 29 2-3-3 偏微分 32 2-3-4 简单线性回归求解 36 深度学习全书——公式 推导 代码 TensorFlow 全程案例 第二篇 TensorFlow 基础篇 第 3 章 TensorFlow 架 构 与 主要功能 98 3-1 常用的深度学习框架 98 3-2 TensorFlow 架构 99 3-3 张量运算 100 3-4 自动微分 105 3-5 神经网络层 109 第 4 章 神经网络实践 114 4-1 撰写第一个神经网络程序 114 4-1-1 最简短的程序 114 4-1-2 程序强化 115 4-1-3 实验 124 4-2 Keras 模型种类 129 4-2-1 Sequential model 129 4-2-2 Functional API 133 4-3 神 经层 135 4-3-1 完全连接神经层 135 4-3-2 Dropout Layer 137 4-4 激活函数 137 4-5 损失函数 142 4-6 优 化器 144 4-7 效果衡量指标 148 4-8 超参数调校 152 第 5 章 TensorFlow 其他常用 指令 156 5-1 特征转换 156 5-2 模型存盘与加载 157 5-3 模型汇总与结构图 159 5-4 回调函数 161 5-4-1 EarlyStopping Callbacks 162 5-4-2 ModelCheckpoint Callbacks 163 5-4-3 TensorBoard Callbacks 164 5-4-4 自定义 Callback 165 5-4-5 自定义 Callback 应用 168 5-4-6 总结 169 5-5 TensorBoard 169 5-5-1 TensorBoard 功能 169 5-5-2 测试 171 5-5-3 写入图片 172 5-5-4 直 方图 173 5-5-5 效果调校 174 5-5-6 敏感度分析 175 5-5-7 总结 176 5-6 模型部署与 TensorFlow Serving 176 5-6-1 自行开发网页程序 176 5-6-2 TensorFlow Serving 178 5-7 TensorFlow Dataset 180 5-7-1 产生 Dataset 180 5-7-2 图像 Dataset 184 5-7-3 TFRecord 与 Dataset 186 5-7-4 TextLineDataset 189 5-7-5 Dataset 效果提升 191 第 6 章 卷积神经网络 193 6-1 卷积神经网络简介 193 IV 目 录 6-2 卷积 194 6-3 各式卷积 197 6-4 池 化层 201 6-5 CNN 模型实践 202 6-6 影像数据增补 206 6-7 可解释的 AI 211 第 7 章 预先训练的模型 219 7-1 预先训练的模型简介 219 7-2 采用完整的模型 221 7-3 采用部分模型 225 7-4 转移学习 229 7-5 Batch Normalization 说明 233 第三篇 进阶的影像应用 第 8 章 目标检测 238 8-1 图像辨识模型的发展 238 8-2 滑动窗口 239 8-3 方向梯度直方图 242 8-4 R-CNN 目标检测 252 8-5 R-CNN 改良 263 8-6 YOLO 算法简介 266 8-7 YOLO 环境配置 269 8-8 以 TensorFlow 实践 YOLO 模型 274 8-9 YOLO 模型训练 280 8-10 SSD 算法 285 8-11 TensorFlow Object Detection API 285 8-12 目标检测的效果衡量指标 294 8-13 总结 295 第 9 章 进阶的影像应用 296 9-1 语义分割介绍 296 9-2 自动编码器 297 9-3 语义分割实践 305 9-4 实例分割 311 9-5 风格转换—人人都可以是 毕加索 315 9-6 脸部辨识 327 9-6-1 脸部检测 327 9-6-2 MTCNN 算法 332 9-6-3 脸部追踪 334 9-6-4 脸部特征点检测 340 9-6-5 脸部验证 346 9-7 光学文字辨识 349 9-8 车牌辨识 353 9-9 卷积神经网络的缺点 357 第 10 章 生成对抗网络 359 10-1 生成对抗网络介绍 359 10-2 生成对抗网络种类 361 10-3 DCGAN 364 10-4 Progressive GAN 375 10-5 Conditional GAN 380 10-6 Pix2Pix 385 10-7 CycleGAN 396 10-8 GAN 挑战 406 10-9 深度伪造 406 V 深度学习全书——公式 推导 代码 TensorFlow 全程案例 第四篇 自然语言处理 第 11 章 自然语言处理的介绍 412 11-1 词袋与 TF-IDF 412 11-2 词汇前置处理 416 11-3 词 向量 421 11-4 GloVe 模型 433 11-5 中文处理 436 11-6 spaCy 库 439 第 12 章 自然语言处理的算法 444 12-1 循环神经网络 444 12-2 长短期记忆网络 451 12-3 LSTM 重要参数与多层 LSTM 456 12-4 Gate Recurrent Unit 467 12-5 股价预测 468 12-6 注意力机制 475 12-7 Transformer 架构 485 12-7-1 Transformer 原理 486 12-7-2 Transformer 效能 487 12-8 BERT 488 12-8-1 Masked LM 488 12-8-2 Next Sentence Prediction 489 12-8-3 BERT 效能微调 490 12-9 Transformers 库 491 12-9-1 Transformers 库范例 491 12-9-2 Transformers 库效能 微调 501 12-9-3 后续努力 507 12-10 总结 507 第 13 章 聊天机器人 508 13-1 ChatBot 类别 508 13-2 ChatBot 设计 509 13-3 ChatBot 实践 511 13-4 ChatBot 工具框架 514 13-4-1 ChatterBot 实践 514 13-4-2 Chatbot AI 实践 517 13-4-3 Rasa 实践 520 13-5 Dialog?ow 实践 523 13-5-1 Dialog?ow 安装 525 13-5-2 Dialog?ow 基本功能 527 13-5-3 履行 532 13-6 总结 536 第 14 章 语 音 识别 537 14-1 语音基本认识 538 14-2 语音前置处理 549 14-3 语音相关的深度学习应用 561 14-4 自动语音识别 574 14-5 自动语音识别实践 577 14-6 总结 578 VI 目 录 第五篇 强化学习 第 15 章 强 化 学习 580 15-1 强化学习的基础 581 15-2 强化学习模型 583 15-3 简单的强化学习架构 586 15-4 Gym 库 593 15-5 Gym 扩充功能 600 15-6 动态规划 602 15-7 值 循环 607 15-8 蒙特卡洛 610 15-9 时序差分 619 15-10 其他算法 628 15-11 井字游戏 630 15-12 木棒小车 636 15-13 总结 637 VI 內容試閱： 为何撰写本书 笔者从事机器学习教育行业已有四年，其间也在“IT 邦帮忙”撰写过上百篇文章(https://ithelp.ithome.com.tw/users/20001976/articles)，从学员及读者的回馈中获得了许多宝贵意见，期望能将整个历程集结成册，同时，相关领域的发展也在飞速变化，过往的文章内容需要翻新，因此笔者借机再重整思路，思考如何能将算法的原理解释得更简易清晰，协助读者跨入 AI 的门坎，另外，也尽量避免流于空谈，增加应用范例，希望能使学生实现即学即用，不要有过多理论的探讨。 AI 是一个将数据转化为知识的过程，算法就是过程中的生产设备，最后产出物是模型，再将模型植入各种硬件装置，如计算机、手机、智能音箱、汽车、医疗诊断仪器等，这些装置就拥有了特殊专长的智能，再进一步整合各项技术就可以构建出智能制造、智能金融、智能交通、智慧医疗、智能城市、智能家庭等应用系统。AI 的应用领域如此广阔，个人精力和能力有限，唯有从基础扎根，再扩及有兴趣的领域，因此， 笔者撰写这本书的初衷，就是希望读者在扎根的过程中，贡献一点微薄的力量。 本书主要的特点 笔者身为统计人，希望能以统计 / 数学为出发点，介绍深度学习必备的数理基础， 但又不希望内文有太多数学公式的推导，让离开校园已久的在职者看到大量数学符号心生恐惧，因此，本书尝试以程序设计取代定理证明，缩短学习历程，增进学习乐趣。 TensorFlow 2.X 版有巨大的变动，默认模式改为 Eager Execution，并以 Keras 为主力，整合 TensorFlow 其他模块，形成完整的架构，本书期望对 TensorFlow 架构作完整性的介绍，并非只是介绍 Keras 而已。 算法介绍以理解为主，辅以大量图表说明，摒弃长篇大论。 完整的范例程序及各种算法的延伸应用，以实用为要，希望能触发读者灵感， 能在项目或产品内应用。 介绍日益普及的算法与相关套件的使用，如 YOLO( 目标检测 )、GAN( 生成对抗网络 )/DeepFake( 深度伪造)、OCR( 光学文字辨识)、人脸识别、BERT/Transformer、ChatBot、强化学习、语音识别 (ASR) 等。 目标对象 深度学习的入门者：必须熟悉 Python 程序语言及机器学习的基本概念。 数据工程师：以应用系统开发为职业志向，希望能应用各种算法，进行实际操作。 信息工作者：希望能扩展深度学习知识领域。 从事其他领域的工作：希望能一窥深度学习奥秘者。 阅读重点 第 1 章介绍 AI 的发展趋势，鉴古知今，引导读者了解前两波 AI 失败的原因， 比较第三波发展的差异性。 第 2 章介绍深度学习必备的统计 / 数学基础，读者不仅要理解相关知识，也要力求能撰写程序解题。 第 3 章介绍 TensorFlow 的基本功能，包括张量 (Tensor) 运算、自动微分及神经网络模型的组成，并说明梯度下降法求解的过程。 第 4 章开始实作，依照机器学习十项流程，撰写完整的范例，包括 Web、桌面程序等。 第 5 章介绍 TensorFlow 进阶功能，包括各种工具，如 TensorBoard、TensorFlow Serving、Callbacks 等。 第 6 ～ 10 章介绍图像 / 视频的算法及各式应用。 第 11 ～ 14 章介绍自然语言处理、语音及各式应用。 第 15 章介绍 AlphaGo 的基础—强化学习算法。 本书范例程序代码和参考文献全部可以通过扫描二维码获取。 致谢 原本笔者计划整理过往文章集结成书，但由于相关技术发展太快，几乎全部重新撰写编排，因此耗时较长，因个人能力有限，还是有许多问题成为遗珠之憾，仍待后续努力，编写过程中感谢栾大成、申美莹在编辑、校正、封面构想环节的尽心协助， 也感谢清华大学出版社的大力支持，使本书得以顺利出版，最后要借此书，纪念一位挚爱的亲人。 书中内容如有疏漏、谬误之处或有其他建议，欢迎广大读者来信指教。 陈昭明 2022-08

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	台灣用户　|　香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.