TensorFlow與Keras: Python深度學習應用實務
| 作者 | 陳允傑 |
|---|---|
| 出版社 | 旗標科技股份有限公司 |
| 商品描述 | TensorFlow與Keras: Python深度學習應用實務：數學忘光光，人工智慧原理看不懂？→大量的【圖解說明】讓你秒懂運作原理用相同資料集，訓練好的模型準確率比別人低很多？→ |
內容簡介
內容簡介 數學忘光光，人工智慧原理看不懂？ → 大量的【圖解說明】讓你秒懂運作原理 用相同資料集，訓練好的模型準確率比別人低很多？ → 【舉一反三不死背】，教你用最適當的演算法調整模型 手上一堆資料，但要怎麼餵給神經網路？ → 解說各種類型資料的【預處理手法】 本書秉持「先圖解、再實作，而後實務應用」的精神，帶你實際使用 Python 3 + TensorFlow + Keras，訓練自己的深度學習模型 深度學習是一種「實現機器學習的技術」，能夠利用如人類大腦功能般的「類神經網路」，處理如視覺、聽覺等感知問題，從學習中更新權重與偏向量進行學習，最後進行分類或預測。學會各種神經網路的類型後，教導讀者懂得調校神經網路和轉移學習目標，讓讀者能夠真正建構出屬於自己的神經網路模型。 書中的資料與範例中，將運用到： ■ MLP 多層感知器 - 進行糖尿病、鳶尾花的多元分類預測 ■ MLP 多層感知器 - 進行房價的迴歸預測 ■ CNN 卷積神經網路 - 進行彩色圖片的分類 ■ LSTM 長短期記憶神經網路 - 進行股價預測 ■ RNN 循環神經網路、LSTM、GRU 閘門循環單元神經網路 - 進行影評的情緒分析 還有手寫辨識預測、自編碼器 AE、主題分類等大量範例實作！ 本書特色 : ◎ 人工智慧、機器學習、深度學習的基礎 ◎ 從最基礎的神經網路建構 ◎ 最具突破性的卷積神經網路實戰與應用 ◎ 處理自然語言等具序列性資料的循環神經網路 ◎ 建構並調整自己的神經網路模型 ◎ 神經網路的模型視覺化、共享與輸出
產品目錄
產品目錄 第一篇 人工智慧與深度學習的基礎 第 1 章 認識人工智慧與機器學習 第 2 章 建構 TensorFlow 與 Keras 開發環境 第 3 章 深度學習的基礎 第二篇 多層感知器：迴歸與分類問題 第 4 章 圖解神經網路–多層感知器 (MLP) 第 5 章 打造你的神經網路 - 多層感知器 第 6 章 多層感知器的實作案例 第三篇 卷積神經網路：電腦視覺 第 7 章 圖解卷積神經網路 (CNN) 第 8 章 打造你的卷積神經網路 第 9 章 卷積神經網路的實作案例 第四篇 循環神經網路：自然語言處理 第 10 章 圖解 RNN、LSTM 和 GRU 神經網路 第 11 章 打造你的循環神經網路 第 12 章 循環神經網路的實作案例 第五篇 建構出你自己的深度學習模型 第 13 章 資料預處理與資料增強 第 14 章 調校你的深度學習模型 第 15 章 預訓練模型與轉移學習 第 16 章 Functional API 與模型視覺化 附錄 A Python 程式語言與開發環境建立 附錄 B TensorFlow GPU 版本的安裝與使用
商品規格
| 書名 / | TensorFlow與Keras: Python深度學習應用實務 |
|---|---|
| 作者 / | 陳允傑 |
| 簡介 / | TensorFlow與Keras: Python深度學習應用實務：數學忘光光，人工智慧原理看不懂？→大量的【圖解說明】讓你秒懂運作原理用相同資料集，訓練好的模型準確率比別人低很多？→ |
| 出版社 / | 旗標科技股份有限公司 |
| ISBN13 / | 9789863126027 |
| ISBN10 / | 9863126020 |
| EAN / | 9789863126027 |
| 誠品26碼 / | 2681797479002 |
| 頁數 / | 560 |
| 開數 / | 18K |
| 注音版 / | 否 |
| 裝訂 / | P:平裝 |
| 語言 / | 1:中文 繁體 |
| 級別 / | N:無 |
最佳賣點
最佳賣點 : 本書秉持「先圖解、再實作，而後實務應用」的精神，帶你實際使用
Python 3 + TensorFlow + Keras，訓練自己的深度學習模型