內容簡介
練好深度學習的基本功：用Python進行基礎數學理論的實作
內容簡介
從基本暸解深度學習的運作機制！
詳盡解說讓不擅長數學的人也能夠暸解。
僅用Python和NumPy，就可一步一腳印完成實作！
獻給想要跨出「只會使用函式庫實作」舒適圈的人。
「雖然我知道如何透過函式庫來做深度學習，但其實並不曉得它到底是怎麼運作」
「想要了解深度學習的數學原理，搞懂深度學習的運作方式」
本書就是為了滿足這樣的需求而推出的。透過朋友之間的對話，採用原理解說與實作並行的方式，從最基礎的原點開始重新認識深度學習。
．何謂類神經網路
．如何實作感知器演算法
．類神經網路如何學習權重和偏差
．如何正確學習參數解題
．實作卷積神經網路
內容簡介
從基本暸解深度學習的運作機制！
詳盡解說讓不擅長數學的人也能夠暸解。
僅用Python和NumPy，就可一步一腳印完成實作！
獻給想要跨出「只會使用函式庫實作」舒適圈的人。
「雖然我知道如何透過函式庫來做深度學習，但其實並不曉得它到底是怎麼運作」
「想要了解深度學習的數學原理，搞懂深度學習的運作方式」
本書就是為了滿足這樣的需求而推出的。透過朋友之間的對話，採用原理解說與實作並行的方式，從最基礎的原點開始重新認識深度學習。
．何謂類神經網路
．如何實作感知器演算法
．類神經網路如何學習權重和偏差
．如何正確學習參數解題
．實作卷積神經網路
作者簡介
作者簡介
立石賢吾
佐賀大學畢業後經歷數間開發公司，於2014年進入LINE Fukuoka，負責商品推薦、文件分類等的機器學習產品。2019年進入SmartNews，擔任機器學習工程師。
立石賢吾
佐賀大學畢業後經歷數間開發公司，於2014年進入LINE Fukuoka，負責商品推薦、文件分類等的機器學習產品。2019年進入SmartNews，擔任機器學習工程師。
內容目錄
目錄
Chapter 1｜開始接觸類神經網路
類神經網路是什麼東西？先來比較跟其他機器學習演算法的差異，再以圖片、簡單的數學式解說類神經網路的結構與能夠做到哪些事情。
Chapter 2｜學習正向傳播
解說構成感知器類神經網路的單純演算法是如何進行運算，舉判別圖像尺寸為例，學習從輸入值到輸出值依序計算的「正向傳播」。
Chapter 3｜學習反向傳播
說明在類神經網路上，如何求得適當的權重與偏差。使用微分更新權重與偏差，盡可能減少「誤差」，但正攻法的計算相當麻煩，因此我們會採用簡化計算的「誤差反向傳播法」。
Chapter 4｜學習卷積類神經網路
學會類神經網路的基本原理後，接著學習使用卷積類神經網路處理圖像，舉出卷積類神經網路的特有機制、運算，並說明權重、偏差的更新方法。
Chapter 5｜實作類神經網路
根據前面章節學到的類神經網路計算方法， 使用Python編寫程式。以Chapter 2、3 出現的基本類神經網路，實作圖像的尺寸判定；以Chapter 4出現的卷積類神經網路實作手寫文字辨識。
Appendix
收錄Chapter 1 ∼ 5未能詳細解說的數學知識、Python程式設計的環境設置、Python與NumPy的簡易說明。
Chapter 1｜開始接觸類神經網路
類神經網路是什麼東西？先來比較跟其他機器學習演算法的差異，再以圖片、簡單的數學式解說類神經網路的結構與能夠做到哪些事情。
Chapter 2｜學習正向傳播
解說構成感知器類神經網路的單純演算法是如何進行運算，舉判別圖像尺寸為例，學習從輸入值到輸出值依序計算的「正向傳播」。
Chapter 3｜學習反向傳播
說明在類神經網路上，如何求得適當的權重與偏差。使用微分更新權重與偏差，盡可能減少「誤差」，但正攻法的計算相當麻煩，因此我們會採用簡化計算的「誤差反向傳播法」。
Chapter 4｜學習卷積類神經網路
學會類神經網路的基本原理後，接著學習使用卷積類神經網路處理圖像，舉出卷積類神經網路的特有機制、運算，並說明權重、偏差的更新方法。
Chapter 5｜實作類神經網路
根據前面章節學到的類神經網路計算方法， 使用Python編寫程式。以Chapter 2、3 出現的基本類神經網路，實作圖像的尺寸判定；以Chapter 4出現的卷積類神經網路實作手寫文字辨識。
Appendix
收錄Chapter 1 ∼ 5未能詳細解說的數學知識、Python程式設計的環境設置、Python與NumPy的簡易說明。
ISBN: 9789865025472