hiskio

    深度學習｜使用Keras

    本書將帶領您認識各種進階的深度學習技術，以及如何建立您專屬的劃時代AI。透過Keras完成各種實做專題，您會知道如何運用最新技術來建立高效率AI服務。

    Collecting
    US$17.30
    本書將帶領您認識各種進階的深度學習技術，以及如何建立您專屬的劃時代AI。透過Keras完成各種實做專題，您會知道如何運用最新技術來建立高效率AI服務。

    本書將會介紹MLP、CNN與RNN等神經網路，這些是諸多進階技術的基石。藉由本書，您可以了解如何運用Keras與Tensorflow來實作深度學習。本書也會帶領您深入探討深度神經網路架構，包括ResNet、DenseNet以及自動編碼器。

    本書後半著眼於各種對抗生成網路（GAN），以及為什麼它們可以讓AI效能更上一層樓。實作變分編碼器（VAE）之後，您就能理解如何運用GAN與VAE強大的生成能力，並合成出讓人類信以為真的合成資料。最後介紹的是深度強化學習（DRL），例如深度Q學習與策略梯度方法等等，這些對於近年AI的發展上至關重要。

    本書精彩內容：
    ．讓AI效能足以比美人類的各種尖端技術
    ．使用Keras實作各種進階深度學習模型
    ．各種進階技術的基石 - MLP、CNN與RNN
    ．深度神經網路 – ResNet與DenseNet
    ．自動編碼器與變分編碼器（VAE）
    ．生成對抗網路（GAN）與各種嶄新的AI技術
    ．抽離語義特徵GAN與跨域GAN
    ．深度強化學習（DRL）的理論與實作
    ．使用 OpenAI gym 建立符合業界標準的應用
    ．深度Q學習與策略梯度方法

    Content

    1-1封面頁
    1-2書名頁
    1-3本書貢獻者
    1-4目錄
    1-5前言
    1-6Ch01 認識進階深度學習與Keras
    1-7為什麼Keras 是最棒的深度學習函式庫？
    1-8安裝Keras 與TensorFlow
    1-9實作核心深度學習模型 – MLP、CNN 與RNN
    1-10MLP、CNN 與RNN 的差異
    1-11多層感知器（MLP）
    1-12MNIST 資料集
    1-13MNIST 數字分類器模型
    1-14正規化
    1-15輸出觸發與損失函數
    1-16最佳化
    1-17效能評估
    1-18模型總結
    1-19卷積神經網路（CNN）
    1-20卷積
    1-21池化操作
    1-22效能評估與模型總覽
    1-23循環神經網路（RNN）
    1-24結論
    1-25參考資料
    1-26Ch02 深度神經網路
    1-27Functional API
    1-28建立一個雙- 輸入/ 單- 輸出的模型
    1-29深度殘差網路（ResNet）
    1-30ResNet v2
    1-31密集連接卷積網路（DenseNet）
    1-32建置用於CIFAR10 的100 層DenseNet-BC
    1-33結論
    1-34參考資料
    1-35Ch03 自動編碼器
    1-36自動編碼器的運作原理
    1-37使用Keras 來建置自動編碼器
    1-38降噪自動編碼器（DAE）
    1-39自動上色自動編碼器
    1-40總結
    1-41參考資料
    1-42Ch04 GAN 生成對抗網路
    1-43GAN 總覽
    1-44GAN 的運作原理
    1-45使用Keras 實作GAN
    1-46條件GAN
    1-47總結
    1-48參考資料
    1-49Ch05 各種改良版GAN
    1-50Wasserstein GAN
    1-51距離函數
    1-52GAN 中的距離函數
    1-53Wasserstein 損失的用途
    1-54使用Keras 實作WGAN
    1-55Least-squares GAN（LSGAN）
    1-56輔助分類器GAN（ACGAN）
    1-57總結
    1-58參考資料
    1-59Ch06 抽離語意特徵GAN
    1-60抽離語意特徵
    1-61InfoGAN
    1-62使用Kera 實作InfoGAN
    1-63InfoGAN 的生成器輸出
    1-64StackedGAN
    1-65使用Keras 實作StackedGAN
    1-66StackedGAN 的生成器輸出
    1-67結論
    1-68參考資料
    1-69Ch07 跨域GAN
    1-70CycleGAN 運作原理
    1-71CycleGAN 模型
    1-72使用Keras 實作CycleGAN
    1-73CycleGAN 的生成器輸出
    1-74將CycleGAN 用於MNIST 與SVHN 資料集
    1-75總結
    1-76參考資料
    1-77Ch08 變分自動編碼器
    1-78VAE 的運作原理
    1-79變分推論
    1-80核心方程式
    1-81最佳化
    1-82再參數化法
    1-83解碼器測試
    1-84Keras 中的VAE
    1-85將CNN 用於VAE
    1-86條件VAE（CVAE）
    1-87B -VAE：具有抽離語意潛在特徵的VAE
    1-88結論
    1-89參考資料
    1-90Ch09 深度強化學習
    1-91強化學習（RL）的原理
    1-92Q 值
    1-93Q 學習範例
    1-94使用Python 實作Q 學習
    1-95非確定性環境
    1-96時間- 差分學習
    1-97在OpenAI gym 中執行Q- 學習
    1-98深度Q 網路（DQN）
    1-99使用Keras 實作DQN
    1-100雙重Q- 學習（DDQN）
    1-101結論
    1-102參考資料
    1-103Ch10 策略梯度方法
    1-104策略梯度定理
    1-105Monte Carlo 策略梯度（REINFORCE）法
    1-106具基準的REINFORCE 法
    1-107動作- 評價法
    1-108優勢動作- 評價（A2C）法
    1-109Keras 中的各種策略梯度法
    1-110策略梯度法的效能評估
    1-111總結
    1-112參考資料
    1-113版權頁
    1-114封底頁

    FAQ

    您可以透過手機、平板或是電腦登入 HiSKIO 平台，在【我的學習】＞【我的書籍】頁面，選擇想看的電子書。

    Recommendations

    Reviews

    | Collecting

    Sales Plans