精確掌握AI大趨勢! 深度學習技術解密: 日本AI神人, 帶你正確學會從機器學習到生成式AI的核心基礎

精確掌握AI大趨勢! 深度學習技術解密: 日本AI神人, 帶你正確學會從機器學習到生成式AI的核心基礎

ディープラーニングを支える技術: 正解を導くメカニズム技術基礎

出版日期:
2024/08/15
79
630497
查詢門市庫存
千變萬化的 AI 應用,核心都是「深度學習」。
掌握深度學習,才能迎接 AI 世代的新挑戰!

內容簡介


內容介紹:

▍專業推薦 (依姓名筆劃排列)
王道維|國立清華大學物理系教授 / 人文社會 AI 應用與發展研究中心副主任
林筱玫|台灣人工智慧協會執行長
劉育維|人工智慧解決方案專家暨網路作家

▍獨角獸新創公司 Preferred Networks 創辦人
▍2022 年日本「現代の名工」獲獎者

▍閱讀千篇論文的深厚學識精華
✧✦AI 神人親自講解深度學習的技術奧秘!✦✧

千變萬化的 AI 應用,核心都是「深度學習」。
掌握深度學習,才能迎接 AI 世代的新挑戰!

【基礎概念:深度學習的特色、與機器學習的不同】
認識機器學習的不同類型,詳細瞭解神經網路、特徵學習、反向傳播,如何使深度學習脫穎而出。

【發展進化:正規化層、跳躍連接、注意力單元】
深入解說這三項核心技術的數學原理,認識深度學習克服各種困難、大幅進化的歷程。

【實際應用:影像辨識、語音辨識、自然語言處理】
綜合以上基礎,說明深度學習從輸入到輸出完整執行實際任務的過程,以及各種基礎技術在不同應用領域所擔任的重要角色。

【技術回顧:AI 發展的坎坷與突破】
早在 1956 年提出的 AI,為何數十年間乏人問津?深度學習又是如何重燃 AI 的火種?回顧 AI 發展,更能洞察未來方向。

★特別收錄:精選基礎數學★
把學校的數學課忘光了也不用怕!附錄彙整深度學習的必要數學知識,有疑問隨時翻閱,回頭立刻跟上大師講解。

本書不含:
✗走馬看花的簡略介紹
✗只用大量文字描述數學概念
✗只挑知名的技術做單元介紹

本書注重:
✓各技術運作方式的詳盡解說與參考文獻
✓大量圖片表達技術要旨、實際數學式演示過程
✓各技術發展背景與傳承脈絡,描繪深度學習的改革史

✧✦探索 AI 奧祕絕不該錯過的精采好書!✦✧


本書特色:

◆難度由淺入深,從基礎數學開始紮穩根基
書中數學式從符號開始一一解說,各種計算及推導都仔細說明,書末更附上基礎數學補充,數學課忘光也不怕

◆核心關鍵技術一網打盡,完整掌握深度學習
學習模型 / 損失函數 / 梯度下降法 / 反向傳播 / 卷積層 / 循環層 / 閘控機制 / 激活函數 / 正規化 / 跳躍連接 / 注意力單元……核心技術全面涵蓋

◆插圖、文字、數學式,三管齊下詳盡講解
- 以圖示勾勒整體概念
- 以文字解構問題並說明思路
- 以數學式演示技術流程
3 方向完整拆解、充分理解,讀懂原理不必再囫圇吞棗

◆從背景到傳承,清楚描繪技術發展脈絡
偉大的技術,即是解決過去的問題,並提出未來的問題;本書清楚描繪核心技術環環相扣的進化史,更能展望 AI 未來的新發展

展開看更多

產品目錄

目錄:
第 1 章 深度學習與人工智慧
為何深度學習能夠成功

1.1 何謂深度學習?什麼是人工「智慧」?
1.2 深度學習迅速發展的背景
1.3 深度學習的計算資源
1.4 人工智慧的歷史
1.5 未來將如何應用深度學習?
1.6 本章小結

第 2 章 機器學習入門
何謂電腦的「學習」?

2.1 機器學習的背景知識
2.2 模型、參數與資料
2.3 普適能力 — 能否處理未知資料?
2.4 學習的方法 — 監督式學習、非監督式學習與強化式學習
2.5 問題設定的分類學
2.6 機器學習的基本 — 了解機器學習的各種概念
2.7 以機率模型理解機器學習
2.8 本章小結

第 3 章 深度學習的技術基礎
組合資料轉換的「層」實現特徵學習的效果

3.1 特徵學習 — 「標示特徵」的重要性及挑戰
3.2 深度學習的基礎知識
3.3 神經網路是什麼樣的模型?
3.4 神經網路的學習
3.5 反向傳播 — 有效率地計算梯度
3.6 神經網路的主要組成元素
3.7 本章小結

第 4 章 深度學習的發展
改善學習與預測的正規化層/跳躍連接/注意力單元

4.1 將「學習」由理論化為現實的基礎技術 — 類似ReLU的激活函數
4.2 正規化層
4.3 跳躍連接
4.4 注意力單元 — 根據輸入,動態改變資料傳遞方式
4.5 本章小結

第 5 章 深度學習的應用技術
大幅進化的影像辨識、語音辨識、自然語言處理

5.1 影像辨識
5.2 語音辨識
5.3 自然語言處理
5.4 本章小結

附錄 精選基礎
深度學習所需的數學概念

A.1 線性代數
A.2 微分
A.3 機率

作者介紹

作者簡介:
岡野原大輔 (Daisuke Okanohara)
2010 年畢業於東京大學資訊理工學系計算機科學專攻博士課程(資訊理工學博士)。2006 年在學期間與友人共同創辦 Preferred Infrastructure,並於 2014 年創立 Preferred Networks。目前擔任 Preferred Networks 的代表取締役研究總裁(CER),以及 Preferred Computational Chemistry 的代表取締役社長。

規格

誠品貨碼 / 2682620028008
ISBN13 / 9789863128014
ISBN10 /
EAN貨碼 / 9789863128014
頁數 / 304
注音版 / 否
裝訂 / P:平裝
語言 / 1:中文/繁體
尺寸 / 23X17X1.8CM
級別 / N:無
重量(g) / 673
提供維修 / 無

退貨說明

退貨須知:

  1. 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)。
  2. 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:

  1. 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)
  2. 依消費者要求所為之客製化給付。(如:客製印章、鋼筆刻字)
  3. 報紙、期刊或雜誌。
  4. 經消費者拆封之影音商品或電腦軟體。
  5. 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)
  6. 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)
  7. 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:

  1. 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)。
  2. 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)。
  3. 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。
  4. 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)。
  5. 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)。
  6. 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