內容簡介
人工智慧相關的議題歷史悠久，本書將詳盡敘述人工智慧過往的發展和遇到的瓶頸，並說明近年來為何又開始一波新的熱潮，在這波熱潮中，本書內容貼近產業應用，說明AI如何應用在各大產業、服務以及新商品與革新。此外，本書亦透過AI技術的發展與創新，引導讀者瞭解，隨著人工智慧持續發展，AI對人們的未來生活可能帶來衝擊與影響。
本書巧妙的運用範例、圖例講解人工智慧的理論，使架構變得淺顯易懂，不再因為艱澀難懂的數學公式抹滅了學習的興趣及成就。
本書巧妙的運用範例、圖例講解人工智慧的理論，使架構變得淺顯易懂，不再因為艱澀難懂的數學公式抹滅了學習的興趣及成就。
內容目錄
CH1 AI起源
1-1 遍地開花的AI應用
1-2 人工智慧的發展
1-3 未來的AI生活
CH2 應用篇
2-1 影像處理
2-2 自然語言處理
2-3 邏輯推理
2-4 推薦系統
2-5 疾病預測與醫療
CH3 機器學習分類篇
3-1 機器學習簡介
3-2 迴歸
3-3 決策樹
3-4 隨機森林
3-5 支持向量機
3-6 單純貝氏分類
CH4 機器學習分群篇
4-1 最近鄰居法
4-2 K-平均分群
4-3 DBSCAN
4-4 階層式分群
4-5 關聯規則學習
CH5 深度學習篇
5-1 神經元簡介
5-2 深度學習簡介
5-3 卷積神經網路
CH6 進階深度學習篇
6-1 遞歸神經網路
6-2 長短記憶模型網路
CH7 生成對抗網路
7-1 生成對抗網路的概念
7-2 生成對抗網路的架構
7-3 生成對抗網路的訓練
7-4 生成對抗網路的應用
CH8 人工智慧的未來與挑戰
8-1 人工智慧的應用
8-2 人工智慧的省思
1-1 遍地開花的AI應用
1-2 人工智慧的發展
1-3 未來的AI生活
CH2 應用篇
2-1 影像處理
2-2 自然語言處理
2-3 邏輯推理
2-4 推薦系統
2-5 疾病預測與醫療
CH3 機器學習分類篇
3-1 機器學習簡介
3-2 迴歸
3-3 決策樹
3-4 隨機森林
3-5 支持向量機
3-6 單純貝氏分類
CH4 機器學習分群篇
4-1 最近鄰居法
4-2 K-平均分群
4-3 DBSCAN
4-4 階層式分群
4-5 關聯規則學習
CH5 深度學習篇
5-1 神經元簡介
5-2 深度學習簡介
5-3 卷積神經網路
CH6 進階深度學習篇
6-1 遞歸神經網路
6-2 長短記憶模型網路
CH7 生成對抗網路
7-1 生成對抗網路的概念
7-2 生成對抗網路的架構
7-3 生成對抗網路的訓練
7-4 生成對抗網路的應用
CH8 人工智慧的未來與挑戰
8-1 人工智慧的應用
8-2 人工智慧的省思
ISBN: 9789865037741