





TensorFlow認證考試最佳參考書
附解說檔及練習題400題
附解說檔及練習題400題
內容簡介
TensorFlow認證考試最佳參考書
附解說檔及練習題400題
|本書專為有志於認證考試或想深入了解人工智慧原理者而設計|
提供大量的習題及解說(超過400個),同時深入解說神經網路的運作原理,無論是初學者或進階者都適合閱讀。
|繪製獨門的示意圖|
利用Excel的工作表來展示各種演算法的運算過程,將抽象概念具體化。
|詳細解說損失函數、 激發函數、優化器、標籤編碼、單熱編碼、正規化、標準化、學習率、正向傳播、反向傳播及梯度下降法等機器學習的基礎觀念,以厚植人工智慧的實力|
這些觀念是開發人工智慧軟體的關鍵,也是一般學子最難搞懂的部分,本書以問答集的形式呈現,共計41個主題,例如:為何要使用交叉熵函數來計算誤差?如何選擇激發函數?如何建構孿生神經網路?何謂梯度消失與梯度爆炸?如何使用自注意力機制?
【目標讀者】
✔各級學校的學生。
✔有志於認識人工智慧及參加認證考試的各界人士。
產品目錄
|Chapter 01| 神經網路之概念
1.1 神經網路模型簡介
1.2 神經網路模型運作解析
1.3 模型訓練的資訊
1.4 神經網路工作程序
1.5 應考須知
1.6 如何使用本書範例檔
|Chapter 02| 結構化資料的分類辨識
2.1 傳統的分類辨識方法
2.2 神經網路模型的分類辨識方法
|Chapter 03| 迴歸分析
3.1 傳統迴歸分析法
3.2 神經網路模型在簡單迴歸分析的用法
3.3 神經網路模型在多元迴歸分析的用法
|Chapter 04| 圖像辨識
4.1 圖像基本原理
4.2 圖片及影片的基本操作
4.3 傳統圖像辨識法的缺點
4.4 卷積神經網路說明
4.5 在TensorFlow中使用卷積層
4.6 在TensorFlow中使用池化層與展平層
4.7 卷積層與池化層的種類
4.8 開放數據集
|Chapter 05| 圖像資料的擴增
5.1 圖像擴增的意義
5.2 圖像擴增的方法
5.3 圖檔之讀取與分類
5.4 圖像資料產生器的特殊用途之一
5.5 圖像資料產生器的特殊用途之二
|Chapter 06| 預訓練模型的使用
6.1 預訓練模型簡介
6.2 預訓練模型的用法之一
6.3 預訓練模型的用法之二
6.4 預訓練模型的用法之三
6.5 預訓練模型的比較
6.6 遷移學習原理
|Chapter 07| 時間數列預測
7.1 時間數列的類型
7.2 時間數列預測法
7.3 時間數列預測步驟
7.4 時間步與時間數列之切割
7.5 循環神經網路的模式
7.6 循環神經網路之原理
7.7 循環神經網路的關鍵參數
|Chapter 08| 文本分類
8.1 文本處理步驟
8.2 移除停用詞
8.3 斷詞器
8.4 嵌入層與詞向量
8.5 預訓練的詞向量
8.6 文本分類的意義與程序
8.7 文本分類資料集簡介
8.8 文本預訓練模型之運用
8.9 文本分類的進階處理
|Chapter 09| 文本生成
9.1 文本生成概要
9.2 文本預處理
9.3 建構模型兩種
9.4 文本生成自訂函數
9.5 文本生成之斷句
9.6 自然語言處理的新發展
|附 錄|(附錄內容請至博碩官網下載)
附錄A 觀念解析
附錄B Google Colab使用方法
附錄C 範例檔清單_程式結構_套件版本
1.1 神經網路模型簡介
1.2 神經網路模型運作解析
1.3 模型訓練的資訊
1.4 神經網路工作程序
1.5 應考須知
1.6 如何使用本書範例檔
|Chapter 02| 結構化資料的分類辨識
2.1 傳統的分類辨識方法
2.2 神經網路模型的分類辨識方法
|Chapter 03| 迴歸分析
3.1 傳統迴歸分析法
3.2 神經網路模型在簡單迴歸分析的用法
3.3 神經網路模型在多元迴歸分析的用法
|Chapter 04| 圖像辨識
4.1 圖像基本原理
4.2 圖片及影片的基本操作
4.3 傳統圖像辨識法的缺點
4.4 卷積神經網路說明
4.5 在TensorFlow中使用卷積層
4.6 在TensorFlow中使用池化層與展平層
4.7 卷積層與池化層的種類
4.8 開放數據集
|Chapter 05| 圖像資料的擴增
5.1 圖像擴增的意義
5.2 圖像擴增的方法
5.3 圖檔之讀取與分類
5.4 圖像資料產生器的特殊用途之一
5.5 圖像資料產生器的特殊用途之二
|Chapter 06| 預訓練模型的使用
6.1 預訓練模型簡介
6.2 預訓練模型的用法之一
6.3 預訓練模型的用法之二
6.4 預訓練模型的用法之三
6.5 預訓練模型的比較
6.6 遷移學習原理
|Chapter 07| 時間數列預測
7.1 時間數列的類型
7.2 時間數列預測法
7.3 時間數列預測步驟
7.4 時間步與時間數列之切割
7.5 循環神經網路的模式
7.6 循環神經網路之原理
7.7 循環神經網路的關鍵參數
|Chapter 08| 文本分類
8.1 文本處理步驟
8.2 移除停用詞
8.3 斷詞器
8.4 嵌入層與詞向量
8.5 預訓練的詞向量
8.6 文本分類的意義與程序
8.7 文本分類資料集簡介
8.8 文本預訓練模型之運用
8.9 文本分類的進階處理
|Chapter 09| 文本生成
9.1 文本生成概要
9.2 文本預處理
9.3 建構模型兩種
9.4 文本生成自訂函數
9.5 文本生成之斷句
9.6 自然語言處理的新發展
|附 錄|(附錄內容請至博碩官網下載)
附錄A 觀念解析
附錄B Google Colab使用方法
附錄C 範例檔清單_程式結構_套件版本
作者介紹
陳鴻敏
本書作者畢業於中興大學,歷任台塑、三光及中華航空公司等要職,長期從事於管理制度之設計與電腦系統的開發,熟悉各種電腦語言,著有《Excel分析與資料庫整合應用》、《Visual Basic開發應用系統的十堂課》、《R語言的資料採礦導引》等書,並於2021年通過TensorFlow開發者認證考試。
本書作者畢業於中興大學,歷任台塑、三光及中華航空公司等要職,長期從事於管理制度之設計與電腦系統的開發,熟悉各種電腦語言,著有《Excel分析與資料庫整合應用》、《Visual Basic開發應用系統的十堂課》、《R語言的資料採礦導引》等書,並於2021年通過TensorFlow開發者認證考試。
規格
誠品貨碼 / 2682505256007
ISBN13 / 9786263337107
ISBN10 /
EAN貨碼 / 9786263337107
頁數 / 424
裝訂 / P:平裝
語言 / 1:中文/繁體
尺寸 / 17x23x2.4
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









