內容簡介

人工智慧時代來臨，必須學習的新技術
輕鬆學會「深度學習」:先學Keras再學TensorFlow

●成長最快領域：深度學習與類神經網路，是人工智慧成長最快的領域，讓電腦更接近人類的思考。
●應用深入生活：手機語音助理、人臉識別、影像辨識、手寫辨識、醫學診斷、自然語言處理。
●實作快速上手：只需Python基礎，本書Step by Step學習，就可以輕鬆學會深度學習概念與應用。
Tensorflow功能強大、執行效率高、支援各種平台。然而是屬於低階的深度學習程式庫，學習門檻高。所以本書先介紹Keras是高階的深度學習程式庫，對初學者學習門檻低，可以很容易地建立深度學習模型，並且進行訓練、預測。等讀者熟悉深度學習模型概念後，再來學習Tensorflow，就不會感覺那麼困難。
【在Windows安裝Tensorflow 1.0 + Keras2.0】
對於初學者而言，在Windows安裝非常簡單容易上手。本書詳細步驟說明，如何在Windows作業系統上，安裝最新版的Tensorflow 1.0 + Keras2.0。
【在Linux Ubuntu安裝Tensorflow 1.0 + Keras2.0】
因為Linux 作業系統是大數據分析與機器學習，很常用的平台。本書詳細步驟說明，如何在Linux Ubuntu作業系統上，安裝最新版的Tensorflow 1.0 + Keras2.0。
【使用GPU大幅加快深度學習訓練】
GPU的平行運算架構，可讓深度學習訓練比 CPU快數十倍。您必須有Nvidia顯示卡。然後依照本書步驟說明，安裝Cuda、CudNN以及Tensorflow GPU版本，就可以使用GPU大幅加快深度學習訓練。
【手寫數字辨識】
以實際範例說明，如何使用Keras與Tensorflow建構MLP（多層感知器）、CNN（卷積神經網路）模型，可辨識0~9的手寫數字。
【照片影像辨識】
以實際範例說明，如何使用Keras建構CNN（卷積神經網路）模型，可辨識照片類別:飛機、汽車、鳥、貓、鹿、狗、青蛙、船、卡車。
【預測鐵達尼號旅客生存機率】
以實際範例說明，如何使用Keras建構MLP（多層感知器）模型、可以預測旅客及鐵達尼號電影男女主角生存機率，並且找出鐵達尼號其他旅客的感人故事。
【影評文字情緒分析（Sentiment Analysis）】
情緒分析的商業價值，在於透過文字分析得知顧客對公司或產品的評價，以調整營運策略。本書以實際範例說明，如何Keras自然語言處理，建構多層感知器（MLP）、遞歸神經網絡（RNN）、長短期記憶（LSTM）等模型，可以預測正面或負面評價。