用 Python + Keras 實踐深度學習, 解開神經網路模型的黑盒子

在高階函式庫 Keras 的幫助下, 用 6 行程式就可寫一隻深度學習神經網路的程式, 建構深度學習模型就像玩樂高積木一樣, 可以輕易將各種神經網路組合在一起, 而每一種模型可用來解決不同的問題。

正宗 Keras 大神著作，正體中文版重磅登場

本書為 Keras 之父 François Chollet 親自撰寫, 詳細解說神經網路每一層的架構與原理, 並不時提供個人經驗累積而成的真知灼見, 帶領讀者熟悉機器學習的標準工作流程, 並了解如何使用 Keras 解決從電腦視覺到自然語言處理的各種實務問題, 例如圖像分類、時間序列預測、情感分析、圖像和文字資料的生成...等, 最有效率實作出可用的模型, 絕對是機器學習、資料科學、人工智慧從業人員必讀的經典之作。

最後引述 François Chollet 在書中所說：深度學習並不難, 只是又多又雜, 這本書就是希望能夠提供更多人瞭解深度學習的第一步。這不表示我們會把複雜的內容簡化 (因為這些都是深度學習所必需的), 而是希望各位不要擔心深度學習太過於困難而裹足不前。希望你能夠發現本書的價值, 並跟著本書逐步建構屬於你的人工智慧應用程式。 
本書特色: 
  本書由施威銘研究室 監修, 書中會針對原書所提及的背景知識做補充, 所有程式均經過實際執行測試, 並適當添加註解與程式碼, 幫助讀者能更加理解程式內容。

■ CNN – 用於電腦視覺的深度學習
■ RNN – 用於文字與序列資料的深度學習
■ LSTM、VAE 與 DeepDream
■ 神經風格轉換
■ GAN 生成對抗神經網路
■ 機器學習與神經網路
■ 張量 Tensor 與張量運算
■ Keras API、callbacks 與 TensorBoard
■ 超參數優化與模型集成

本書相關資源網頁如下, 請登錄下載範例程式及 Bonus：
http://www.flag.com.tw/bk/t/f9379

也歡迎加入本書社群, 和技術者們直接對話！
「從做中學 Learning by doing」粉絲專頁 
(https://www.facebook.com/flaglearningbydoing/)