防詐3要訣：不聽信、不操作、掛斷電話 
9
590531
查詢門市庫存
內容簡介
人工智慧時代來臨，必須學習的新技術
輕鬆學會「深度學習」:先學Keras再學TensorFlow
●成長最快領域：深度學習與類神經網路，是人工智慧成長最快的領域，讓電腦更接近人類的思考。
●應用深入生活：手機語音助理、人臉識別、影像辨識、手寫辨識、醫學診斷、自然語言處理。
●實作快速上手：只需Python基礎，本書Step by Step學習，就可以輕鬆學會深度學習概念與應用。
Tensorflow功能強大、執行效率高、支援各種平台。然而是屬於低階的深度學習程式庫，學習門檻高。所以本書先介紹Keras是高階的深度學習程式庫，對初學者學習門檻低，可以很容易地建立深度學習模型，並且進行訓練、預測。等讀者熟悉深度學習模型概念後，再來學習Tensorflow，就不會感覺那麼困難。
【在Windows安裝Tensorflow 1.0 + Keras2.0】
對於初學者而言，在Windows安裝非常簡單容易上手。本書詳細步驟說明，如何在Windows作業系統上，安裝最新版的Tensorflow 1.0 + Keras2.0。
【在Linux Ubuntu安裝Tensorflow 1.0 + Keras2.0】
因為Linux 作業系統是大數據分析與機器學習，很常用的平台。本書詳細步驟說明，如何在Linux Ubuntu作業系統上，安裝最新版的Tensorflow 1.0 + Keras2.0。
【使用GPU大幅加快深度學習訓練】
GPU的平行運算架構，可讓深度學習訓練比 CPU快數十倍。您必須有Nvidia顯示卡。然後依照本書步驟說明，安裝Cuda、CudNN以及Tensorflow GPU版本，就可以使用GPU大幅加快深度學習訓練。
【手寫數字辨識】
以實際範例說明，如何使用Keras與Tensorflow建構MLP（多層感知器）、CNN（卷積神經網路）模型，可辨識0~9的手寫數字。
【照片影像辨識】
以實際範例說明，如何使用Keras建構CNN（卷積神經網路）模型，可辨識照片類別:飛機、汽車、鳥、貓、鹿、狗、青蛙、船、卡車。
【預測鐵達尼號旅客生存機率】
以實際範例說明，如何使用Keras建構MLP（多層感知器）模型、可以預測旅客及鐵達尼號電影男女主角生存機率，並且找出鐵達尼號其他旅客的感人故事。
【影評文字情緒分析（Sentiment Analysis）】
情緒分析的商業價值，在於透過文字分析得知顧客對公司或產品的評價，以調整營運策略。本書以實際範例說明，如何Keras自然語言處理，建構多層感知器（MLP）、遞歸神經網絡（RNN）、長短期記憶（LSTM）等模型，可以預測正面或負面評價。
輕鬆學會「深度學習」:先學Keras再學TensorFlow
●成長最快領域：深度學習與類神經網路，是人工智慧成長最快的領域，讓電腦更接近人類的思考。
●應用深入生活：手機語音助理、人臉識別、影像辨識、手寫辨識、醫學診斷、自然語言處理。
●實作快速上手：只需Python基礎，本書Step by Step學習，就可以輕鬆學會深度學習概念與應用。
Tensorflow功能強大、執行效率高、支援各種平台。然而是屬於低階的深度學習程式庫，學習門檻高。所以本書先介紹Keras是高階的深度學習程式庫，對初學者學習門檻低，可以很容易地建立深度學習模型，並且進行訓練、預測。等讀者熟悉深度學習模型概念後，再來學習Tensorflow，就不會感覺那麼困難。
【在Windows安裝Tensorflow 1.0 + Keras2.0】
對於初學者而言，在Windows安裝非常簡單容易上手。本書詳細步驟說明，如何在Windows作業系統上，安裝最新版的Tensorflow 1.0 + Keras2.0。
【在Linux Ubuntu安裝Tensorflow 1.0 + Keras2.0】
因為Linux 作業系統是大數據分析與機器學習，很常用的平台。本書詳細步驟說明，如何在Linux Ubuntu作業系統上，安裝最新版的Tensorflow 1.0 + Keras2.0。
【使用GPU大幅加快深度學習訓練】
GPU的平行運算架構，可讓深度學習訓練比 CPU快數十倍。您必須有Nvidia顯示卡。然後依照本書步驟說明，安裝Cuda、CudNN以及Tensorflow GPU版本，就可以使用GPU大幅加快深度學習訓練。
【手寫數字辨識】
以實際範例說明，如何使用Keras與Tensorflow建構MLP（多層感知器）、CNN（卷積神經網路）模型，可辨識0~9的手寫數字。
【照片影像辨識】
以實際範例說明，如何使用Keras建構CNN（卷積神經網路）模型，可辨識照片類別:飛機、汽車、鳥、貓、鹿、狗、青蛙、船、卡車。
【預測鐵達尼號旅客生存機率】
以實際範例說明，如何使用Keras建構MLP（多層感知器）模型、可以預測旅客及鐵達尼號電影男女主角生存機率，並且找出鐵達尼號其他旅客的感人故事。
【影評文字情緒分析（Sentiment Analysis）】
情緒分析的商業價值，在於透過文字分析得知顧客對公司或產品的評價，以調整營運策略。本書以實際範例說明，如何Keras自然語言處理，建構多層感知器（MLP）、遞歸神經網絡（RNN）、長短期記憶（LSTM）等模型，可以預測正面或負面評價。
產品目錄
CHAPTER01 人工智慧、機器學習、深度學習介紹
CHAPTER02 深度學習的原理
CHAPTER03 TensorFlow與Keras介紹
CHAPTER04 在Windows 安裝TensorFlow與Keras
CHAPTER05 Linux Ubuntu安裝Tensorflow與Keras
CHAPTER06 Keras MNIST手寫數字辨識資料集介紹
CHAPTER07 Keras多元感知器（MLP）辨識手寫數字
CHAPTER08 Keras卷積神經網路（CNN）辨識手寫數字
CHAPTER09 Keras Cifar-10影像辨識資料集介紹
CHAPTER10 Keras卷積神經網路（CNN）辨識Cifar-10影像
CHAPTER11 Keras 鐵達尼號旅客資料集介紹
CHAPTER12 Keras多層感知器（MLP）預測鐵達尼號旅客生存機率
CHAPTER13 IMDB網路電影資料集介紹
CHAPTER14 使用Keras MLP、RNN、LSTM進行IMDB情緒分析
CHAPTER15 TensorFlow程式設計模式
CHAPTER16 以TensorFlow張量運算模擬神經網路運作
CHAPTER17 TensorFlow Mnist手寫數字辨識資料集
CHAPTER18 以TensorFlow建立多層感知器辨識手寫數字
CHAPTER19 以TensorFlow CNN辨識Mnist資料集
CHAPTER20 TensorFlow GPU版本安裝
CHAPTER21 使用GPU加快TensorFlow與Keras訓練
附錄A 本書範例程式下載與安裝說明
CHAPTER02 深度學習的原理
CHAPTER03 TensorFlow與Keras介紹
CHAPTER04 在Windows 安裝TensorFlow與Keras
CHAPTER05 Linux Ubuntu安裝Tensorflow與Keras
CHAPTER06 Keras MNIST手寫數字辨識資料集介紹
CHAPTER07 Keras多元感知器（MLP）辨識手寫數字
CHAPTER08 Keras卷積神經網路（CNN）辨識手寫數字
CHAPTER09 Keras Cifar-10影像辨識資料集介紹
CHAPTER10 Keras卷積神經網路（CNN）辨識Cifar-10影像
CHAPTER11 Keras 鐵達尼號旅客資料集介紹
CHAPTER12 Keras多層感知器（MLP）預測鐵達尼號旅客生存機率
CHAPTER13 IMDB網路電影資料集介紹
CHAPTER14 使用Keras MLP、RNN、LSTM進行IMDB情緒分析
CHAPTER15 TensorFlow程式設計模式
CHAPTER16 以TensorFlow張量運算模擬神經網路運作
CHAPTER17 TensorFlow Mnist手寫數字辨識資料集
CHAPTER18 以TensorFlow建立多層感知器辨識手寫數字
CHAPTER19 以TensorFlow CNN辨識Mnist資料集
CHAPTER20 TensorFlow GPU版本安裝
CHAPTER21 使用GPU加快TensorFlow與Keras訓練
附錄A 本書範例程式下載與安裝說明
作者介紹
■作者簡介
林大貴
作者從事IT產業多年，系統設計、網站開發、數位行銷、商業智慧、大數據、機器學習等領域，具備豐富實務經驗。
【facebook粉絲團】
https://www.facebook.com/TensorflowKeras/
【部落格】
http://tensorflowkeras.blogspot.tw/
規格
誠品貨碼 / 2681460967003
ISBN13 / 9789864342167
ISBN10 / 9864342169
EAN貨碼 / 9789864342167
頁數 / 384
注音版 / 否
裝訂 / P:平裝
語言 / 1:中文/繁體
尺寸 / 23X17CM
級別 / N:無
退貨說明
退貨須知：
- 依照消費者保護法的規定，您享有商品貨到次日起七天猶豫期(含例假日)的權益(請注意！猶豫期非試用期)，辦理退貨之商品必須是全新狀態(不得有刮傷、破損、受潮)且需完整(包含全部商品、配件、原廠內外包裝、贈品及所有附隨文件或資料的完整性等)。
- 請您以送貨廠商使用之包裝紙箱將退貨商品包裝妥當，若原紙箱已遺失，請另使用其他紙箱包覆於商品原廠包裝之外，切勿直接於原廠包裝上黏貼紙張或書寫文字。若原廠包裝損毀將可能被認定為已逾越檢查商品之必要程度，本公司得依毀損程度扣除回復原狀必要費用(整新費)後退費；請您先確認商品正確、外觀可接受，再行拆封，以免影響您的權利；若為產品瑕疵，本公司接受退貨。
依「通訊交易解除權合理例外情事適用準則」，下列商品不適用七日猶豫期，除產品本身有瑕疵外，不接受退貨：
- 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮蔬果、乳製品、冷凍冷藏食材、蛋糕)
- 依消費者要求所為之客製化給付。(如:客製印章、鋼筆刻字)
- 報紙、期刊或雜誌。
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。(如:電子書)
- 已拆封之個人衛生用品。(如:內衣褲、襪類、褲襪、刮鬍刀、除毛刀等貼身用品)
- 國際航空客運服務。
若您退貨時有下列情形，可能被認定已逾越檢查商品之必要程度而須負擔為回復原狀必要費用(整新費)，或影響您的退貨權利，請您在拆封前決定是否要退貨：
- 以數位或電磁紀錄形式儲存或著作權相關之商品(包含但不限於CD、VCD、DVD、電腦軟體等) 包裝已拆封者(除運送用之包裝以外)。
- 耗材(包含但不限於墨水匣、碳粉匣、紙張、筆類墨水、清潔劑補充包等)之商品包裝已拆封者(除運送用之包裝以外)。
- 衣飾鞋類/寢具/織品(包含但不限於衣褲、鞋子、襪子、泳裝、床單、被套、填充玩具)或之商品缺件(含購買商品、附件、內外包裝、贈品等)或經剪標或下水或商品有不可回復之髒污或磨損痕跡。
- 食品、美容/保養用品、內衣褲等消耗性或個人衛生用品、商品銷售頁面上特別載明之商品已拆封者(除運送用之包裝外一切包裝、包括但不限於瓶蓋、封口、封膜等接觸商品內容之包裝部分)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 家電、3C、畫作、電子閱讀器等商品，除商品本身有瑕疵外，退回之商品已拆封(除運送用之包裝外一切包裝、包括但不限於封膜等接觸商品內容之包裝部分、移除封條、拆除吊牌、拆除貼膠或標籤等情形)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 退貨程序請參閱【客服專區→常見問題→誠品線上退貨退款】之說明。
付款/配送
