人工智慧時代關鍵能力！深度學習深在哪裡？強化運算思維，建構邏輯概念，一次弄懂深度學習活用之道！ ● 精闢剖析深度學習發展史，詳述機器學習的基礎知識！● 完整解說熱門程式語言第一名Python的環境建構和基本語法！● 圖像化示範TensorFlow和Keras的安裝，開發AI必學必讀！● 介紹類神經網路的基本思考方式和程式範例，逐步加深理解！● 說明使用卷積神經網路的影像辨識演算法，進一步強化學習！● 全面了解提升深度學習準確度的演算法，掌握應用的訣竅！ ◎ 迎接運算時代，紮實學好Deep Learning的要點！本書以想試著開始使用時下流行的深度學習之讀者為對象，從理論到實踐進行了統整。書中詳細說明深度學習基礎理論的類神經網路，以及相關的必要數學知識，同時講解程式原始碼，以實際動手操作的方式來幫助理解。坊間已經有眾多的機器學習與深度學習相關書籍，但類神經網路理論的學習門檻相當高、深度學習應用程式框架入門難度深、不容易掌握進一步應用的要領等等，常令初學者無法看清活用深度學習的探索之路。本書首先介紹類神經網路的概念，緊接著說明如何使用應用程式框架進行深度學習，讓學習者初步感受這個領域。接下來介紹各種應用，大量運用範例來說明。在此之後，對於想進一步學習理論的讀者，介紹機器學習的學習方式；對於想挑戰進階深度學習應用的讀者，說明演算法等等。 ◎ 豐富圖解一目瞭然，「文字辨識」、「影像辨識」、「自然語言處理」實際演練！本書的目標是幫助讀者了解什麼是深度學習、什麼是AI之後，能夠實際動手實作，期使讀者不致一知半解，不會只是執行範例卻不知接下來能做什麼，而能學會確實地判斷為了何種目的該使用何種應用程式框架，以及實際進行的步驟。想挑戰AI開發的理工科學生、想更上一層樓的工程師、想了解深度學習基礎理論的人、使用TensorFlow和Keras嘗試實際安裝的人、想弄懂機器學習所需的數學的人，都能從本書平易的解說中學習到必要的知識。【本書的架構】 ●第1章：論及深度學習以及其背景的機器學習相關話題，解析人工智慧（AI）的概念。 ●第2章：說明Python的環境建構與深度學習所需函式庫的安裝方法，包括在Windows與Mac兩種環境上的說明，解說必需的基礎Python文法。 ●第3章：藉由能以簡潔的敘述來使用多個函式庫的Keras實作深度學習，同時製作影像辨識的程式來體驗深度學習。進行導入Keras並公開發佈的熱門函式庫TensorFlow、數值運算函式庫與資料繪製函式庫等等的準備。 ●第4章：解說類神經網路的理論，同時實際試著使用名為MNIST的文字辨識範例程式來加深理解。 ●第5章：說明使用卷積神經網路的影像辨識演算法。 ●第6章：介紹提升深度學習準確度的演算法、自然語言處理等，用於影像辨識以外的範例程式。

產品目錄

序言╱本書的目的╱本書的架構

【第1章深度學習與機器學習】
Lesson1-1│深度學習的基礎：深階層的類神經網路
Lesson1-2│深度學習的歷史：從人工智慧的進化來看深度學習
Lesson1-3│機器學習的基礎知識：監督式學習與非監督式學習╱強化學習╱規則庫、知識庫╱統計機器學習╱預處理與特徵提取╱批量學習與線上學習╱效能評估╱泛化能力
Lesson1-4│機器學習所需的數學：數值與表示式╱變數與常數╱等式與代入式╱向量與上下標╱求和記號╱最小值、最大值╱絕對值╱距離與範數╱微分與偏微分╱合成函數的微分╱指數與對數

COLUMN1│什麼是人工智慧？

【第2章Python的準備與基本語法】
Lesson2-1│Python的安裝～Windows篇～：安裝至Windows
Lesson2-2│Python的安裝～Mac篇～：在Mac可直接使用Python2系列╱Homebrew的安裝╱pyenv的安裝╱安裝Python3系列
Lesson2-3│函式庫的安裝～Windows篇～：Windows版Anaconda的安裝
Lesson2-4│函式庫的安裝～Mac篇～：Mac版Anaconda的安裝
Lesson2-5│Python的基本語法：Hello,Python!!╱變數╱常數╱資料型別╱運算╱List型別與Tuple型別╱Set型別╱Dict型別╱字串的連結與反覆╱字串格式╱Sequence運算╱函式╱if陳述╱反覆陳述╱模組的匯入

COLUMN2│使用Java的實作

【第3章深度學習的體驗】
Lesson3-1│TensorFlow與Keras的安裝：Windows篇：安裝TensorFlow╱Windows篇：安裝Keras╱Mac篇：安裝TensorFlow╱Mac篇：安裝Keras
Lesson3-2│使用JupyterNotebook：JupyterNotebook的準備╱JupyterNotebook的使用方法╱POINT：於Mac執行時
Lesson3-3│數值運算函式庫NumPy的使用方法：基本的使用方式
Lesson3-4│資料繪製函式庫Matplotlib的使用方法：基本的使用方式
Lesson3-5│以Keras體驗深度學習：從Kaggle下載影像╱製作影像辨識的程式

COLUMN3│什麼是TensorFlow？

【第4章類神經網路的基礎】
Lesson4-1│神經元與感知器：神經元╱感知器
Lesson4-2│激勵函數：各式各樣的激勵函數
Lesson4-3│赫布理論與差量規則：權重的學習規則
Lesson4-4│類神經網路的學習：區別狗與貓╱XOR問題╱多層感知器（類神經網路）╱OR問題╱AND問題╱NAND問題╱以類神經網路識別
Lesson4-5│學習方法的差異與損失函數：類神經網路的學習方法╱從學習過程看損失函數╱關於損失函數
Lesson4-6│梯度法：如何調整參數？╱類神經網路誤差的梯度求法
Lesson4-7│反向傳播算法：什麼是反向傳播算法？╱鏈鎖律
Lesson4-8│MNIST：Step1.以JupyterNotebook新增檔案╱Step2.準備手繪影像資料╱Step3.製作模型╱Step4.類神經網路的學習

COLUMN4│維度的詛咒與過適

【第5章卷積神經網路】
Lesson5-1│卷積神經網路的基礎：影像分類與視覺神經元╱讓1個神經元學習全部的輸入影像
Lesson5-2│卷積運算：讓感受野滑動╱聚焦區域的移動
Lesson5-3│卷積層：為了使其認識不同樣式╱POINT：Windows上務必安裝Graphviz
Lesson5-4│深層卷積神經網路：使其能接受3維資料
Lesson5-5│以補零卷積：收縮輸出的形狀╱輸入資料之周圍資訊的損失╱補零
Lesson5-6│增廣範圍的卷積：什麼是步幅？╱使用補零
Lesson5-7│卷積ReLU層：以非線性變換增進辨識
Lesson5-8│池化層：以池化層處理╱池化層的優點與注意點
Lesson5-9│全連結層：全連結層的處理╱修正全連結層╱想進行更複雜的判斷時
Lesson5-10│深層卷積神經網路的學習：模型學習與訓練╱Step1.定義損失E╱Step2.初始化權重值w╱Step3.反覆修正權重值w
Lesson5-11│過適與丟棄：過適的例子╱丟棄以防止過適╱丟棄的優點
Lesson5-12│卷積的進一步詳細資訊：卷積層vs.全連結層╱深而小的區域感受野vs.淺而廣的感受野

COLUMN5│使用GPU學習

【第6章深度學習的應用】
Lesson6-1│遞迴神經網路（RNN）：RNN的特徵
Lesson6-2│LSTM類神經網路：LSTM的特徵
Lesson6-3│門閘遞迴單元（GRU）：GRU的特徵╱能更有效率地記憶
Lesson6-4│RNN語言模型：使其推測接下來將出現的單字
Lesson6-5│Sequence-To-Sequence模型：Sequence-To-Sequence模型的特徵
Lesson6-6│Attention：Attention的特徵
COLUMN6│由上而下與由下而上
結語╱謝辭
參考文獻

作者介紹

■作者簡介

谷岡広樹（Hiroki Tanioka
）
1973年出生於日本德島縣。1997年畢業於千葉大學，2004年於信州大學工學系研究所修讀完成碩士課程。2008年於信州大學總合工學系研究所修讀完成博士課程。工學博士。1997年4月起歷任日本國內IT企業的軟體工程師、研究開發經理，2016年4月赴任德島大學資訊中心助理教授。對於資訊檢索、機器學習、自然語言處理等有深厚興趣，目前進行應用於交談系統、運動資料、醫療資訊、資訊檢索與機器學習等的研究開發。資訊處理學會（情報処理学会）、人工智慧學會（人工知能学会）、語言處理學會（言語処理学会）、IEEE（電機電子工程師學會）、ACM（電腦協會）會員。

康鑫（Kang Xin
）
1983年出生於中國遼寧省。2006年畢業於中國東北大學，2009年於北京郵電大學信息工程研究所修讀完成碩士班。2013年於德島大學工學研究所修讀完成博士課程。工學博士。2014年4月赴任同濟大學電子與信息工程學院博士後研究員，2015年4月赴任德島大學國際合作教育中心助理教授，2015年12月起任職德島大學理工學研究所助理教授至今。對於自然語言處理、情感計算、強化學習相關、深層語言模型等有深厚興趣，目前進行能讓對話機器人獲得自我認識的智慧之研究。電子資訊通訊學會（電子情報通信学会）、IEEE（電機電子工程師學會）會員。

■譯者簡介

莊永裕
日本東京大學情報理工學博士。現任中央大學資工系助理教授。主要研究領域為程式語言設計、軟體工程，以及高效能運算。ACM、IEEE、IPSJ學會會員。曾任東京大學情報理工學系研究科助理教授，旅居日本多年。譯有數本程式語言與軟體開發相關之日文書籍。日常興趣為旅行、攝影、小說與音樂。

規格

誠品貨碼 / 2681707262007

ISBN13 / 9789862357156

ISBN10 / 9862357150

EAN貨碼 / 9789862357156

頁數 / 248

注音版 / 否

裝訂 / P:平裝

語言 / 1:中文/繁體

尺寸 / 21.4X17CM

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