Keras大神歸位: 深度學習全面進化! 用Python實作CNN、RNN、GRU、LSTM、GAN、VAE、Transformer | 誠品線上

Deep Learning with Python (2 Ed.)

內容簡介

內容簡介 | "

作者介紹

作者介紹 François Chollet是 Keras(最為廣泛使用的深度學習框架之一)的創始者。他目前是 Google 的軟體工程師，領導著 Keras 團隊。另外，他也從事抽象、推理，以及如何在人工智慧領域中實現更強普適性等方面的研究。

產品目錄

產品目錄 目錄: ★第1章：何謂深度學習？ 1-1 人工智慧、機器學習與深度學習 1-2 機器學習的基礎技術 1-3 為什麼是深度學習？為什麼是現在？ ★第2章：神經網路的數學概念 2-1 初探神經網路：第一隻神經網路 2-2 神經網路的資料表示法：張量Tensor 2-3 神經網路的工具：張量運算 2-4 神經網路的引擎：以梯度為基礎的最佳化 2-5 重新檢視我們的第一個例子 ★第3章：Keras和TensorFlow簡介 3-1 TensorFlow是什麼？ 3-2 Keras是什麼？ 3-3 Keras與TensorFlow的戀愛史 3-4 設定深度學習工作站 3-5 使用TensorFlow的第一步 3-6 剖析神經網路：了解Keras API的核心 ★第4章：開始使用神經網路：分類與迴歸問題 4-1 二元分類範例：將電影評論分類為正評或負評 4-2 多類別分類範例：分類數位新聞專欄 4-3 迴歸範例：預測房價 ★第5章：機器學習的基礎 5-1 普適化：機器學習的終極目標 5-2 評估機器學習模型 5-3 提升模型的擬合表現 5-4 提高普適化能力 ★第6章：機器學習的工作流程 6-1 定義任務 6-2 開發模型 6-3 部署模型 ★第7章：深入探討Keras 7-1 Keras的工作流程 7-2 建構Keras模型的不同方法 7-3 使用內建的訓練與評估迴圈 7-4 設計自己的訓練及評估迴圈 ★第8章：電腦視覺的深度學習簡介 8-1 卷積神經網路(CNN) 8-2 以少量資料集從頭訓練一個卷積神經網路 8-3 利用預先訓練好的模型 ★第9章：電腦視覺的進階技巧 9-1 電腦視覺的三種基本任務 9-2 影像分割案例 9-3 現代卷積神經網路的架構模式 9-4 卷積神經網路學到了什麼？ ★第10章：時間序列的深度學習 10-1 各種時間序列任務 10-2 溫度預測任務 10-3 認識循環神經網路(recurrent neural networks) 10-4 循環神經網路的進階運用 ★第11章：文字資料的深度學習 11-1 概述自然語言處理(natural language processing, NLP) 11-2 準備文字資料 11-3 表示單字組的兩種方法：集合(set)及序列(sequence) 11-4 Transformer架構 11-5 文字分類之外的任務-以Seq2seq模型為例 ★第12章：生成式深度學習 12-1 使用LSTM來生成文字資料 12-2 DeepDream 12-3 神經風格轉換 12-4 使用變分自編碼器(Variational AutoEncoder)生成影像 12-5 對抗式生成網路(GAN)簡介 ★第13章：實務上的最佳實踐 13-1 讓模型發揮最大效用 13-2 擴大模型的訓練規模 ★第14章：結語 14-1 回顧關鍵概念 14-2 深度學習的倨限性 14-3 為提高AI普適性設定方向 14-4 實踐智慧：缺少的成分 14-5 深度學習的未來 14-6 在快速發展的領域保持最新狀態

商品規格

最佳賣點

最佳賣點 : ☆全面採用最新的Tensorflow × Keras版本

☆Keras創始者親筆之作，以自身經驗分享深度學習的門道

☆從做中學，各章皆搭配豐富專案實作，不會只是紙上談兵

活動

• 6/3前 全站滿$1,588享93折