深度學習：從入門到實戰(使用MATLAB)(附範例光碟)
活動訊息
想找書的時候，特別想偷看網友的書櫃... 原來大家都在看這本 ↓↓↓
內容簡介
深度學習是目前人工智慧裡最熱門的領域之一，許多生活上的應用，如語言翻譯、語音識別、圖形識別、物件偵測、圖像生成等，皆運用了深度學習的技術，而取得重大的突破。
在學習開發深度學習演算法時，首先要選擇開發工具與環境。市面上有許多開發深度學習技術的套件，如Tensorflow、Keras、PyTorch、MXNet等，這些工具雖然大幅降低進入深度學習技術的門檻，但仍有環境設置困難、套件版本不一等缺點。而Matlab具有便利簡單的語言與環境，為了讓讀者能輕鬆進入深度學習領域，本書使用Matlab程式語言來進行深度學習的開發與應用，並以初學者的角度講解，讓讀者可以輕鬆建構深度學習的概念。此外，本書介紹許多Matlab應用於深度學習的相關範例，使讀者累積應用的能力。
在學習開發深度學習演算法時，首先要選擇開發工具與環境。市面上有許多開發深度學習技術的套件，如Tensorflow、Keras、PyTorch、MXNet等，這些工具雖然大幅降低進入深度學習技術的門檻，但仍有環境設置困難、套件版本不一等缺點。而Matlab具有便利簡單的語言與環境，為了讓讀者能輕鬆進入深度學習領域，本書使用Matlab程式語言來進行深度學習的開發與應用，並以初學者的角度講解，讓讀者可以輕鬆建構深度學習的概念。此外，本書介紹許多Matlab應用於深度學習的相關範例，使讀者累積應用的能力。
目錄
第一章 環境建置
1-1 MATLAB 介紹
1-2 MATLAB 與相關工具箱安裝
1-3 深度學習相關套件安裝
1-4 GPU 加速運算介紹
第二章 數據標記與常見工具介紹
2-1 基本資料標記(How to label image data into MATLAB)
2-2 影像感興趣區域標記
2-3 圖像預處理
2-4 資料擴增(Data Augmentation)
第三章 深度學習常見模型與函式語法介紹
3-1 卷積神經網路(convolution neural network, CNN)
3-2 卷積神經網路網路模型相關函式語法介紹
3-3 遞歸神經網路(recurrent neural network, RNN)
3-4 遞歸神經網路模型相關函式語法介紹
3-5 自動編碼器介紹(auto encoder)
3-6 自動編碼器相關函式語法與範例介紹
第四章 網路訓練參數與資料擴增之相關函式語法介紹
4-1 訓練網路的相關參數設置
4-2 模型預測與效能評估
4-3 圖像資料擴增
第五章 預訓練模型與遷移式學習
5-1 預訓練模型
5-2 遷移式學習(transfer learning)
第六章 Deep Network Designer
6-1 建立網路模型
6-2 修正模型
6-3 使用Deep Network Designer 進行遷移學習
第七章 Experiment Manager
7-1 Experiment Manager 介面
7-2 使用Experiment Manager 訓練深度學習網路用於分類問題
7-3 使用Experiment Manager 訓練深度學習網路用於迴歸問題
7-4 使用多個預訓練模型進行遷移學習
第八章 CNN 實戰範例
8-1 CIFAR-10 圖像分類
8-2 檢查點(Checkpoint)設置
8-3 深度學習應用於網路攝影機影像分類
8-4 卷積經神經網路的學習內容可視化
8-5 深度學習應用於物件偵測
8-6 深度學習應用於語義分割
第九章 LSTM 實戰範例
9-1 深度學習應用於時間序列
9-2 序列的分類範例
9-3 序列到序列使用LSTM 的人類動作分類(human activity)
9-4 序列到序列的迴歸範例
第十章 進階範例-生成式網路
10-1 自定義的網路訓練迴圈
10-2 生成對抗網路
10-3 常見的GAN 訓練失敗模式
10-4 條件式生成對抗網路
10-5 神經風格轉換
10-6 後語
1-1 MATLAB 介紹
1-2 MATLAB 與相關工具箱安裝
1-3 深度學習相關套件安裝
1-4 GPU 加速運算介紹
第二章 數據標記與常見工具介紹
2-1 基本資料標記(How to label image data into MATLAB)
2-2 影像感興趣區域標記
2-3 圖像預處理
2-4 資料擴增(Data Augmentation)
第三章 深度學習常見模型與函式語法介紹
3-1 卷積神經網路(convolution neural network, CNN)
3-2 卷積神經網路網路模型相關函式語法介紹
3-3 遞歸神經網路(recurrent neural network, RNN)
3-4 遞歸神經網路模型相關函式語法介紹
3-5 自動編碼器介紹(auto encoder)
3-6 自動編碼器相關函式語法與範例介紹
第四章 網路訓練參數與資料擴增之相關函式語法介紹
4-1 訓練網路的相關參數設置
4-2 模型預測與效能評估
4-3 圖像資料擴增
第五章 預訓練模型與遷移式學習
5-1 預訓練模型
5-2 遷移式學習(transfer learning)
第六章 Deep Network Designer
6-1 建立網路模型
6-2 修正模型
6-3 使用Deep Network Designer 進行遷移學習
第七章 Experiment Manager
7-1 Experiment Manager 介面
7-2 使用Experiment Manager 訓練深度學習網路用於分類問題
7-3 使用Experiment Manager 訓練深度學習網路用於迴歸問題
7-4 使用多個預訓練模型進行遷移學習
第八章 CNN 實戰範例
8-1 CIFAR-10 圖像分類
8-2 檢查點(Checkpoint)設置
8-3 深度學習應用於網路攝影機影像分類
8-4 卷積經神經網路的學習內容可視化
8-5 深度學習應用於物件偵測
8-6 深度學習應用於語義分割
第九章 LSTM 實戰範例
9-1 深度學習應用於時間序列
9-2 序列的分類範例
9-3 序列到序列使用LSTM 的人類動作分類(human activity)
9-4 序列到序列的迴歸範例
第十章 進階範例-生成式網路
10-1 自定義的網路訓練迴圈
10-2 生成對抗網路
10-3 常見的GAN 訓練失敗模式
10-4 條件式生成對抗網路
10-5 神經風格轉換
10-6 後語
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價