【電子書】Python機器學習與深度學習特訓班：看得懂也會做的AI人工智慧實戰
活動訊息
用閱讀開啟視野，讓書成為照亮你人生的光
【金石堂選書】本月推薦您這些好書👉 快來看看
內容簡介
國內外最具代表性案例，9大專題實戰、15個分類實例
Google Colab、Microsoft Azure兩大雲端應用，人臉辨識、自然語言、
文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練，
從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！
資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。
在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。
程式人、工程師挑戰人工智慧最佳學習地圖
由類神經網路基礎到AI應用實戰
訓練、模型、預測、辨識、分析與驗證
全面深入機器學習與深度學習技術核心
■打造專屬Python、TensorFlow與Keras最強開發環境。
■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。
■整合最夯的人工智慧雲端開發平台：Google Colab，應用雲端提供的充沛資源，全面提升運算效能。
■加碼最新的機器學習雲端應用平台：Microsoft Azure，連結功能強大、方向多元的Web API，豐富專業應用領域。
■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。
■全面深入不同應用面向：
印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測…
■網羅國內外最具代表性案例：
手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。
■一次領略機器學習與深度學習的重要關鍵話題：
TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Colab、Azure、Cognitive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、SQLite、SQLite Database Browser、Haar…
■針對專案實戰提供關鍵影音輔助教學，加速學習效率。
超值學習資源：120分鐘關鍵影音教學/範例程式檔/一探演算法雲端寶庫：Algorithmia教學PDF
Google Colab、Microsoft Azure兩大雲端應用，人臉辨識、自然語言、
文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練，
從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！
資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。
在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。
程式人、工程師挑戰人工智慧最佳學習地圖
由類神經網路基礎到AI應用實戰
訓練、模型、預測、辨識、分析與驗證
全面深入機器學習與深度學習技術核心
■打造專屬Python、TensorFlow與Keras最強開發環境。
■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。
■整合最夯的人工智慧雲端開發平台：Google Colab，應用雲端提供的充沛資源，全面提升運算效能。
■加碼最新的機器學習雲端應用平台：Microsoft Azure，連結功能強大、方向多元的Web API，豐富專業應用領域。
■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。
■全面深入不同應用面向：
印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測…
■網羅國內外最具代表性案例：
手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。
■一次領略機器學習與深度學習的重要關鍵話題：
TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Colab、Azure、Cognitive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、SQLite、SQLite Database Browser、Haar…
■針對專案實戰提供關鍵影音輔助教學，加速學習效率。
超值學習資源：120分鐘關鍵影音教學/範例程式檔/一探演算法雲端寶庫：Algorithmia教學PDF
目錄
01 打造開發環境： TensorFlow和Keras
1.1 人工智慧、機器學習和深度學習的關係
1.2 什麼是機器學習？
1.3 什麼是深度學習？
1.4 TensorFlow與Keras
1.5 建置Anaconda開發環境
1.6 TensorFlow及Keras安裝
1.7 設定TensorFlow的GPU支援
02 機器學習起點：多層感知器(MLP)
2.1 認識多層感知器(MLP)
2.2 認識Mnist資料集
2.3 多層感知器模型資料預處理
2.4 多層感知器實戰：Mnist手寫數字圖片辨識
2.5 模型儲存和載入
2.6 模型權重的儲存和載入
2.7 建立多個隱藏層
03 影像識別神器：卷積神經網路(CNN)
3.1 卷積神經網路(CNN)基本結構
3.2 認識Kaggle Cats and Dogs Dataset資料集
3.3 卷積神經網路實戰：圖片辨識
3.4 模型權重的儲存和載入
04 自然語言處理利器：循環神經網路(RNN)
4.1 循環神經網路(RNN)基本結構
4.2 認識外幣匯率查詢資料集
4.3 循環神經網路外幣匯率預測
4.4 模型權重的儲存和載入
4.5 長短期記憶(LSTM)
05 機器學習雲端開發工具：Google Colab
5.1 Colab：功能強大的虛擬機器
5.2 在Colab中進行機器學習
06 體驗機器學習雲端平台：Microsoft Azure
6.1 專題方向
6.2 電腦視覺資源
6.3 臉部辨識資源
6.4 文字語言翻譯資源
07 臉部辨識登入系統：Azure臉部辨識應用
7.1 專題方向
7.2 Azure臉部客戶端程式庫
7.3 刷臉登入系統
08 自然語言處理：文字雲與文章自動摘要
8.1 專題方向
8.2 Jieba模組
8.3 文字雲
8.4 文章自動摘要
09 語音辨識應用：YouTube影片加上字幕
9.1 專題方向
9.2 語音辨識
9.3 影片字幕製作
10 投資預測實證：股票走勢分析
10.1 專題方向
10.2 台灣股市資訊模組
10.3 股票分析
10.4 股票預測
11 自動標示物件：用Haar特徵分類器擷取車牌
11.1 專題方向
11.2 準備訓練Haar特徵分類器資料
11.3 建立車牌號碼Haar特徵分類器模型
11.4 使用Haar特徵分類器模型
12 無所遁形術：即時車牌影像辨識
12.1 專題方向
12.2 車牌號碼機器學習訓練資料
12.3 建立車牌辨識系統
1.1 人工智慧、機器學習和深度學習的關係
1.2 什麼是機器學習？
1.3 什麼是深度學習？
1.4 TensorFlow與Keras
1.5 建置Anaconda開發環境
1.6 TensorFlow及Keras安裝
1.7 設定TensorFlow的GPU支援
02 機器學習起點：多層感知器(MLP)
2.1 認識多層感知器(MLP)
2.2 認識Mnist資料集
2.3 多層感知器模型資料預處理
2.4 多層感知器實戰：Mnist手寫數字圖片辨識
2.5 模型儲存和載入
2.6 模型權重的儲存和載入
2.7 建立多個隱藏層
03 影像識別神器：卷積神經網路(CNN)
3.1 卷積神經網路(CNN)基本結構
3.2 認識Kaggle Cats and Dogs Dataset資料集
3.3 卷積神經網路實戰：圖片辨識
3.4 模型權重的儲存和載入
04 自然語言處理利器：循環神經網路(RNN)
4.1 循環神經網路(RNN)基本結構
4.2 認識外幣匯率查詢資料集
4.3 循環神經網路外幣匯率預測
4.4 模型權重的儲存和載入
4.5 長短期記憶(LSTM)
05 機器學習雲端開發工具：Google Colab
5.1 Colab：功能強大的虛擬機器
5.2 在Colab中進行機器學習
06 體驗機器學習雲端平台：Microsoft Azure
6.1 專題方向
6.2 電腦視覺資源
6.3 臉部辨識資源
6.4 文字語言翻譯資源
07 臉部辨識登入系統：Azure臉部辨識應用
7.1 專題方向
7.2 Azure臉部客戶端程式庫
7.3 刷臉登入系統
08 自然語言處理：文字雲與文章自動摘要
8.1 專題方向
8.2 Jieba模組
8.3 文字雲
8.4 文章自動摘要
09 語音辨識應用：YouTube影片加上字幕
9.1 專題方向
9.2 語音辨識
9.3 影片字幕製作
10 投資預測實證：股票走勢分析
10.1 專題方向
10.2 台灣股市資訊模組
10.3 股票分析
10.4 股票預測
11 自動標示物件：用Haar特徵分類器擷取車牌
11.1 專題方向
11.2 準備訓練Haar特徵分類器資料
11.3 建立車牌號碼Haar特徵分類器模型
11.4 使用Haar特徵分類器模型
12 無所遁形術：即時車牌影像辨識
12.1 專題方向
12.2 車牌號碼機器學習訓練資料
12.3 建立車牌辨識系統
序／導讀
序
Google AlphaGo打敗了人類圍棋棋王，在短短幾年的時間內，由業餘棋士的水平到世界冠軍，這是近年來最讓人震憾的科技新聞之一。人類一直以來的夢想是想要讓機器具備足夠的智慧為人類解決問題，帶來便利的生活。但AlphaGo的出現則是宣告了人工智慧是有超越人類智慧的可能，一時之間讓這個以往只能在科幻電影中出現的情節變成許多人熱議的話題。
人工智慧(Artificial Intelligence)其實早就悄悄地對人類生活帶來全面的影響，而且就在你我身邊：自動駕駛、臉部辨識、智能助理、語音翻譯、物聯網路... 等，人工智慧的應用風起雲湧，影響了交通、教育、資安、創作、醫療、商業等眾多領域。隨著數據收集越來越多，硬體運算能力越來越快，隨著新的技術與演算法的突破，也讓相關的資訊不斷的出現在你我的生活中。
Python是目前實作機器學習和深度學習最熱門的程式語言，不僅套件豐富，開發社群和使用企業眾多，而且能快速地應用到實際的生活與產品之中。但機器學習和深度學習本來就不是簡單的課題，學習者常會在讀完理論後只覺得好像蒙在雲裡霧裡，面對數學公式與理論架構不知如何下手，更遑論要實作專題，產出作品。
本書針對機器學習與深度學習領域中最容易上手的方向進行規劃，除了讓學習者能快速感受到機器學習與深度學習威力的雲端應用，也根據許多熱門的主題進行深入的教學，如自然語言分析、文字識別、語音轉換、資訊分析預測、物件自動標示、影像辦識等，其中幾個大型專題更是帶領讀者經歷由徒手資料收集準備、模型訓練調整、資訊檢測修正，一直到最後結果產出的完整流程。
我們希望能以觀念和實作並進，拿掉學習的遮罩與盲點，由淺入深地帶領大家領略人工智慧中的關鍵技術：機器學習和深度學習。不要再漫無目的，沒有系統的吸收資訊，跟著我們感受這趟神奇之旅吧！
Google AlphaGo打敗了人類圍棋棋王，在短短幾年的時間內，由業餘棋士的水平到世界冠軍，這是近年來最讓人震憾的科技新聞之一。人類一直以來的夢想是想要讓機器具備足夠的智慧為人類解決問題，帶來便利的生活。但AlphaGo的出現則是宣告了人工智慧是有超越人類智慧的可能，一時之間讓這個以往只能在科幻電影中出現的情節變成許多人熱議的話題。
人工智慧(Artificial Intelligence)其實早就悄悄地對人類生活帶來全面的影響，而且就在你我身邊：自動駕駛、臉部辨識、智能助理、語音翻譯、物聯網路... 等，人工智慧的應用風起雲湧，影響了交通、教育、資安、創作、醫療、商業等眾多領域。隨著數據收集越來越多，硬體運算能力越來越快，隨著新的技術與演算法的突破，也讓相關的資訊不斷的出現在你我的生活中。
Python是目前實作機器學習和深度學習最熱門的程式語言，不僅套件豐富，開發社群和使用企業眾多，而且能快速地應用到實際的生活與產品之中。但機器學習和深度學習本來就不是簡單的課題，學習者常會在讀完理論後只覺得好像蒙在雲裡霧裡，面對數學公式與理論架構不知如何下手，更遑論要實作專題，產出作品。
本書針對機器學習與深度學習領域中最容易上手的方向進行規劃，除了讓學習者能快速感受到機器學習與深度學習威力的雲端應用，也根據許多熱門的主題進行深入的教學，如自然語言分析、文字識別、語音轉換、資訊分析預測、物件自動標示、影像辦識等，其中幾個大型專題更是帶領讀者經歷由徒手資料收集準備、模型訓練調整、資訊檢測修正，一直到最後結果產出的完整流程。
我們希望能以觀念和實作並進，拿掉學習的遮罩與盲點，由淺入深地帶領大家領略人工智慧中的關鍵技術：機器學習和深度學習。不要再漫無目的，沒有系統的吸收資訊，跟著我們感受這趟神奇之旅吧！
詳細資料
詳細資料
-
- 語言
- 中文繁體
- 裝訂
-
- ISBN
- 9789865026783
- 分級
- 普通級
-
- 頁數
- 312
- 商品規格
- 18開17*23cm
-
- 出版地
- 台灣
- 適讀年齡
- 全齡適讀
-
- 注音
- 級別
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！
購買須知：
使用金石堂電子書服務即為同意金石堂電子書服務條款。
電子書分為「金石堂(線上閱讀+APP)」及「Readmoo(兌換碼)」兩種：
- 請至會員中心→電子書服務「我的e書櫃」領取複製『兌換碼』至電子書服務商Readmoo進行兌換。
退換貨須知：
- 因版權保護，您在金石堂所購買的電子書僅能以金石堂專屬的閱讀軟體開啟閱讀，無法以其他閱讀器或直接下載檔案。
- 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」，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），不受「網購服務需提供七日鑑賞期」的限制。為維護您的權益，建議您先使用「試閱」功能後再付款購買。
商品評價