防詐3要訣：不聽信、不操作、掛斷電話 
9
1,2001,080
分期3期0利率✕每期360元
3 期 0 利率✕每期 360 元
臺灣銀行、合作金庫、第一銀行、華南銀行、彰化銀行、台北富邦、國泰世華、兆豐商銀、臺灣中小企銀、滙豐銀行、新光銀行、聯邦銀行、遠東銀行、永豐銀行、玉山銀行、凱基銀行、星展銀行、台新銀行、安泰銀行、中國信託、台灣樂天
※ 除不盡餘數將於第一期收取
查詢門市庫存
全書共15章，內容如下
內容簡介
全書共15章，內容如下
■ 第1章 深度學習（Deep Learning）導論
第一章介紹AI的發展趨勢，鑑古知今，瞭解前兩波AI失敗的原因，比較第三波發展的差異性。
■ 第2章 神經網路（Neural Network）原理
第二章介紹深度學習必備的統計/數學基礎，不僅要理解相關知識，也力求能撰寫程式解題。
■ 第3章 TensorFlow 架構與主要功能
第三章介紹TensorFlow基本功能，包括張量(Tensor)運算、自動微分及神經網路模型的組成，並說明梯度下降法求解的過程。
■ 第4章 神經網路實作
第四章開始實作，依照機器學習10項流程，撰寫完整的範例，包括Web、桌面程式。
■ 第5章 TensorFlow 其他常用指令
第五章介紹TensorFlow進階功能，包括各種工具，如TensorBoard、TensorFlow Serving、Callbacks。
■ 第6章 卷積神經網路(Convolutional Neural Network)
■ 第7章 預先訓練的模型(Pre-trained Model)
■ 第8章 物件偵測(Object Detection)
■ 第9章 進階的影像應用
■ 第10章 生成對抗網路 (GAN)
第六~十章介紹圖像/視訊的演算法及各式應用。
■ 第11章 自然語言處理的介紹
■ 第12章 自然語言處理的演算法
■ 第13章 聊天機器人(ChatBot)
■ 第14章 語音辨識
第十一~十四章介紹自然語言處理、語音及各式應用。
■ 第15章 強化學習
第十五章介紹AlphaGo的基礎 -- 『強化學習』演算法。
產品目錄
第一篇 深度學習導論
第1章 深度學習（Deep Learning）導論
1.1 人工智慧的三波浪潮
1.2 AI 的學習地圖
1.3 機器學習應用領域
1.4 機器學習開發流程
1.5 開發環境安裝
第2章 神經網路（Neural Network）原理
2.1 必備的數學與統計知識
2.2 線性代數(Linear Algebra)
2.3 微積分(Calculus)
2.4 機率(Probability) 與統計 (Statistics)
2.5 線性規劃(Linear Programming)
2.6 最小平方法(OLS) vs. 最大概似法(MLE)
2.7 神經網路(Neural Network)求解
第二篇 TensorFlow 基礎篇
第3章 TensorFlow 架構與主要功能
3.1 常用的深度學習套件
3.2 TensorFlow 架構
3.3 張量(Tensor) 運算
3.4 自動微分(Automatic Differentiation)
3.5 神經層(Neural Network Layer)
第4章 神經網路實作
4.1 撰寫第一支神經網路程式
4.2 Keras 模型種類
4.3 神經層(Layer)
4.4 激勵函數(Activation Function)
4.5 損失函數(Loss Functions)
4.6 優化器(Optimizer)
4.7 效能衡量指標(Performance Metrics)
4.8 超參數調校(Hyperparameter Tuning)
第5章 TensorFlow 其他常用指令
5.1 特徵轉換
5.2 模型存檔與載入(Save and Load)
5.3 模型彙總與結構圖(Summary and Plotting)
5.4 回呼函數(Callbacks)
5.5 TensorBoard
5.6 模型佈署(Deploy) 與TensorFlow Serving
5.7 TensorFlow Dataset
第6章 卷積神經網路(Convolutional Neural Network)
6.1 卷積神經網路簡介
6.2 卷積(Convolution)
6.3 各式卷積
6.4 池化層(Pooling Layer)
6.5 CNN 模型實作
6.6 影像資料增補(Data Augmentation)
6.7 可解釋的AI(eXplainable AI,XAI)
第7章 預先訓練的模型(Pre-trained Model)
7.1 預先訓練模型的簡介
7.2 採用完整的模型
7.3 採用部分模型
7.4 轉移學習(Transfer Learning)
7.5 Batch Normalization 說明
第三篇 進階的影像應用
第8章 物件偵測(Object Detection)
8.1 圖像辨識模型的發展
8.2 滑動視窗(Sliding Window)
8.3 方向梯度直方圖(HOG)
8.4 R-CNN 物件偵測
8.5 R-CNN 改良
8.6 YOLO 演算法簡介
8.7 以TensorFlow 實作YOLO模型
8.8 YOLO 模型訓練
8.9 SSD 演算法
8.10 TensorFlow Object Detection API
8.11 物件偵測的效能衡量指標
8.12 總結
第9章 進階的影像應用
9.1 語義分割(Semantic Segmentation) 介紹
9.2 自動編碼器(AutoEncoder)
9.3 語義分割(Semantic segmentation) 實作
9.4 實例分割(Instance Segmentation)
9.5 風格轉換(Style Transfer) --人人都可以是畢卡索
9.6 臉部辨識(Facial Recognition)
9.7 光學文字辨識(OCR)
9.8 車牌辨識(ANPR)
9.9 卷積神經網路的缺點
第10章 生成對抗網路 (GAN)
10.1 生成對抗網路介紹
10.2 生成對抗網路種類
10.3 DCGAN
10.4 Progressive GAN
10.5 Conditional GAN
10.6 Pix2Pix
10.7 CycleGAN
10.8 GAN 挑戰
10.9 深度偽造(Deepfake)
第四篇 自然語言處理
第11章 生成對抗網路 (GAN)
11.1 詞袋(BOW) 與TF-IDF
11.2 詞彙前置處理
11.3 詞向量(Word2Vec)
11.4 GloVe 模型
11.5 中文處理
11.6 spaCy 套件
第12章 自然語言處理的演算法
12.1 循環神經網路(RNN)
12.2 長短期記憶網路(LSTM)
12.3 LSTM 重要參數與多層LSTM
12.4 Gate Recurrent Unit (GRU)
12.5 股價預測
12.6 注意力機制(Attention Mechanism)
12.7 Transformer 架構
12.8 BERT
12.9 Transformers 套件
12.10 總結
第13章 聊天機器人(ChatBot)
13.1 ChatBot 類別
13.2 ChatBot 設計
13.3 ChatBot 實作
13.4 ChatBot 工具套件
13.5 Dialogflow 實作
13.6 結語
第14章 語音辨識
14.1 語音基本認識
14.2 語音前置處理
14.3 語音相關的深度學習應用
14.4 自動語音辨識(Automatic Speech Recognition)
14.5 自動語音辨識實作
14.6 結語
第15章 強化學習
15.1 強化學習的基礎
15.2 強化學習模型
15.3 簡單的強化學習架構
15.4 Gym 套件
15.5 Gym 擴充功能
15.6 動態規劃(Dynamic Programming)
15.7 值循環(Value Iteration)
15.8 蒙地卡羅(Monte Carlo)
15.9 時序差分(Temporal Difference)
15.10 其他演算法
15.11 井字遊戲
15.12 木棒台車(CartPole)
15.13 結論
第1章 深度學習（Deep Learning）導論
1.1 人工智慧的三波浪潮
1.2 AI 的學習地圖
1.3 機器學習應用領域
1.4 機器學習開發流程
1.5 開發環境安裝
第2章 神經網路（Neural Network）原理
2.1 必備的數學與統計知識
2.2 線性代數(Linear Algebra)
2.3 微積分(Calculus)
2.4 機率(Probability) 與統計 (Statistics)
2.5 線性規劃(Linear Programming)
2.6 最小平方法(OLS) vs. 最大概似法(MLE)
2.7 神經網路(Neural Network)求解
第二篇 TensorFlow 基礎篇
第3章 TensorFlow 架構與主要功能
3.1 常用的深度學習套件
3.2 TensorFlow 架構
3.3 張量(Tensor) 運算
3.4 自動微分(Automatic Differentiation)
3.5 神經層(Neural Network Layer)
第4章 神經網路實作
4.1 撰寫第一支神經網路程式
4.2 Keras 模型種類
4.3 神經層(Layer)
4.4 激勵函數(Activation Function)
4.5 損失函數(Loss Functions)
4.6 優化器(Optimizer)
4.7 效能衡量指標(Performance Metrics)
4.8 超參數調校(Hyperparameter Tuning)
第5章 TensorFlow 其他常用指令
5.1 特徵轉換
5.2 模型存檔與載入(Save and Load)
5.3 模型彙總與結構圖(Summary and Plotting)
5.4 回呼函數(Callbacks)
5.5 TensorBoard
5.6 模型佈署(Deploy) 與TensorFlow Serving
5.7 TensorFlow Dataset
第6章 卷積神經網路(Convolutional Neural Network)
6.1 卷積神經網路簡介
6.2 卷積(Convolution)
6.3 各式卷積
6.4 池化層(Pooling Layer)
6.5 CNN 模型實作
6.6 影像資料增補(Data Augmentation)
6.7 可解釋的AI(eXplainable AI,XAI)
第7章 預先訓練的模型(Pre-trained Model)
7.1 預先訓練模型的簡介
7.2 採用完整的模型
7.3 採用部分模型
7.4 轉移學習(Transfer Learning)
7.5 Batch Normalization 說明
第三篇 進階的影像應用
第8章 物件偵測(Object Detection)
8.1 圖像辨識模型的發展
8.2 滑動視窗(Sliding Window)
8.3 方向梯度直方圖(HOG)
8.4 R-CNN 物件偵測
8.5 R-CNN 改良
8.6 YOLO 演算法簡介
8.7 以TensorFlow 實作YOLO模型
8.8 YOLO 模型訓練
8.9 SSD 演算法
8.10 TensorFlow Object Detection API
8.11 物件偵測的效能衡量指標
8.12 總結
第9章 進階的影像應用
9.1 語義分割(Semantic Segmentation) 介紹
9.2 自動編碼器(AutoEncoder)
9.3 語義分割(Semantic segmentation) 實作
9.4 實例分割(Instance Segmentation)
9.5 風格轉換(Style Transfer) --人人都可以是畢卡索
9.6 臉部辨識(Facial Recognition)
9.7 光學文字辨識(OCR)
9.8 車牌辨識(ANPR)
9.9 卷積神經網路的缺點
第10章 生成對抗網路 (GAN)
10.1 生成對抗網路介紹
10.2 生成對抗網路種類
10.3 DCGAN
10.4 Progressive GAN
10.5 Conditional GAN
10.6 Pix2Pix
10.7 CycleGAN
10.8 GAN 挑戰
10.9 深度偽造(Deepfake)
第四篇 自然語言處理
第11章 生成對抗網路 (GAN)
11.1 詞袋(BOW) 與TF-IDF
11.2 詞彙前置處理
11.3 詞向量(Word2Vec)
11.4 GloVe 模型
11.5 中文處理
11.6 spaCy 套件
第12章 自然語言處理的演算法
12.1 循環神經網路(RNN)
12.2 長短期記憶網路(LSTM)
12.3 LSTM 重要參數與多層LSTM
12.4 Gate Recurrent Unit (GRU)
12.5 股價預測
12.6 注意力機制(Attention Mechanism)
12.7 Transformer 架構
12.8 BERT
12.9 Transformers 套件
12.10 總結
第13章 聊天機器人(ChatBot)
13.1 ChatBot 類別
13.2 ChatBot 設計
13.3 ChatBot 實作
13.4 ChatBot 工具套件
13.5 Dialogflow 實作
13.6 結語
第14章 語音辨識
14.1 語音基本認識
14.2 語音前置處理
14.3 語音相關的深度學習應用
14.4 自動語音辨識(Automatic Speech Recognition)
14.5 自動語音辨識實作
14.6 結語
第15章 強化學習
15.1 強化學習的基礎
15.2 強化學習模型
15.3 簡單的強化學習架構
15.4 Gym 套件
15.5 Gym 擴充功能
15.6 動態規劃(Dynamic Programming)
15.7 值循環(Value Iteration)
15.8 蒙地卡羅(Monte Carlo)
15.9 時序差分(Temporal Difference)
15.10 其他演算法
15.11 井字遊戲
15.12 木棒台車(CartPole)
15.13 結論
規格
誠品貨碼 / 2682604103004
ISBN13 / 9786267383872
ISBN10 /
EAN貨碼 / 9786267383872
頁數 / 880
裝訂 / P:平裝
語言 / 1:中文/繁體
尺寸 / 17X23X4CM
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
