人工智慧與深度學習--理論與Python實踐

    近年來,深度學習的相關演算法已被廣泛使用在電腦視覺(computer vision)、神經機器翻譯(neural machine translation)、神經風格轉換(neural style transfer)及聊天機器人(chatbots)等的應用。

    收集中
    US$14.28
    近年來,深度學習的相關演算法已被廣泛使用在電腦視覺(computer vision)、神經機器翻譯(neural machine translation)、神經風格轉換(neural style transfer)及聊天機器人(chatbots)等的應用。
    雖然網路上已經提供了許多深度學習的各種演算法程式,但若只會使用程式卻不瞭解各種演算法的內涵,對於深度學習的領域只能是見樹不見林,無法真正體會深度學習的精要,亦無法有更深入的應用。因此,本書以人工智慧及深度學習的理論基礎著手,來陳述各種人工智慧演算法的理論基礎及完整數學推導過程,並輔以Python來進行各演算法的實踐,以達到精通人工智慧演算法的目的。
    本書特色:
    •從深度學習的預備知識開始,帶領讀者具備進入深度學習的領域知識。
    •提供各種演算法的手算範例,讓讀者更能理解各演算法的過程。
    •除介紹在深度學習已常用的方法外,更加介紹新近的各種演算法。
    •推導各種演算法的梯度過程,使讀者更深入瞭解演算法的數理過程。
    •各章節提供數個Python範例,完整帶領讀者使用深度學習來解決各類問題。

    章节目录

    1-1封面頁
    1-2書名頁
    1-3序言
    1-4目錄
    1-5CH01 深度學習的預先知識
    1-61-1 線性代數 (Linear Algebra)
    1-71-2 微積分 (Calculus)
    1-81-3 最佳化理論
    1-91-4 統計學
    1-101-5 Python 程式語言介紹
    1-11CH02 前饋式神經網路
    1-122-1 感知機
    1-132-2 多層感知機
    1-142-3 深度前饋式神經網路
    1-152-4 深度神經網路的梯度下降方式
    1-162-5 過適化問題 (Overfitting Problem)
    1-172-6 程式範例
    1-18CH03 卷積神經網路
    1-193-1 卷積神經網路架構
    1-203-2 倒傳遞法進行參數更新
    1-213-3 數值範例
    1-223-4 殘差網路
    1-233-5 程式範例
    1-24CH04 遞迴式神經網路
    1-254-1 遞迴式神經網路
    1-264-2 序列學習 (Sequential Learning)
    1-274-3 Elman 神經網路理論模型
    1-284-4 長短期記憶 (Long Short-Term Memory,LSTM) 模型
    1-294-5 Peephole 長短期記憶 (Peephole LSTM)模型
    1-304-6 GRU (Gated Recurrent Unit) 模型
    1-314-7 雙向LSTM (Bidirectional LSTM)
    1-324-8 程式範例
    1-33CH05 侷限型波茲曼模型、深度信念網路及自編碼器
    1-345-1 侷限型波茲曼模型(Restricted Boltzmann Machines, RBM)
    1-355-2 深度信念網路 (Deep Belief Networks, DBN)
    1-365-3 自編碼器 (Autoencoders)
    1-375-4 程式範例
    1-38CH06 其他網路模型
    1-396-1 自迴歸模型 (Autoregressive Models)
    1-406-2 自生成模型 (Generative Models)
    1-416-3 神經圖靈機
    1-426-4 注意力模型 (Attention-based Models)
    1-436-5 程式範例
    1-44CH07 強化學習
    1-457-1 馬可夫決策過程
    1-467-2 Bellman 方程式
    1-477-3 深度Q-網路 (Deep Q-Network, DQN)
    1-487-4 政策梯度 (Policy gradients)
    1-497-5 Advantage Actor-Critic (A2C) Methods
    1-507-6 程式範例
    1-51版權頁
    1-52封底頁

    常见问答

    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。

    猜你喜欢

    用户评价

    | 收集中

    销售方案