Deep learning深度學習必讀: Keras大神帶你用Python實作 | 誠品線上

Deep Learning with Python

內容簡介

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 François 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 François 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。 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。●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：http: 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 （https: www.facebook.com flaglearningbydoing ）

作者介紹

作者介紹 ■作者簡介François Chollet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（Conference on Computer Vision and Pattern Recognition，CVPR）、神經資訊處理系統研討會（Conference and Workshop on Neural Information Processing System，NIPS）、國際學習表示法會議（International Conference on Learning Representations，ICLR），與其他重要學術會議上。■譯者簡介葉欣睿施威銘研究室／編者

產品目錄

產品目錄 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 Tensor2-3 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 CNN5-2 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 API7-2 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 DeepDream8-3 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 NetworkCh09 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

商品規格

最佳賣點

最佳賣點 : 用 Python + Keras 實踐深度學習, 解開神經網路模型的黑盒子
正宗 Keras 大神著作，正體中文版重磅登場