【電子書】人工智慧與深度學習：理論與Python實踐
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
近年來，深度學習的相關演算法已被廣泛使用在電腦視覺(computer vision)、神經機器翻譯(neural machine translation)、神經風格轉換(neural style transfer)及聊天機器人(chatbots)等的應用。
雖然網路上已經提供了許多深度學習的各種演算法程式，但若只會使用程式卻不瞭解各種演算法的內涵，對於深度學習的領域只能是見樹不見林，無法真正體會深度學習的精要，亦無法有更深入的應用。因此，本書以人工智慧及深度學習的理論基礎著手，來陳述各種人工智慧演算法的理論基礎及完整數學推導過程，並輔以Python來進行各演算法的實踐，以達到精通人工智慧演算法的目的。
本書特色：
•從深度學習的預備知識開始，帶領讀者具備進入深度學習的領域知識。
•提供各種演算法的手算範例，讓讀者更能理解各演算法的過程。
•除介紹在深度學習已常用的方法外，更加介紹新近的各種演算法。
•推導各種演算法的梯度過程，使讀者更深入瞭解演算法的數理過程。
•各章節提供數個Python範例，完整帶領讀者使用深度學習來解決各類問題。
雖然網路上已經提供了許多深度學習的各種演算法程式，但若只會使用程式卻不瞭解各種演算法的內涵，對於深度學習的領域只能是見樹不見林，無法真正體會深度學習的精要，亦無法有更深入的應用。因此，本書以人工智慧及深度學習的理論基礎著手，來陳述各種人工智慧演算法的理論基礎及完整數學推導過程，並輔以Python來進行各演算法的實踐，以達到精通人工智慧演算法的目的。
本書特色：
•從深度學習的預備知識開始，帶領讀者具備進入深度學習的領域知識。
•提供各種演算法的手算範例，讓讀者更能理解各演算法的過程。
•除介紹在深度學習已常用的方法外，更加介紹新近的各種演算法。
•推導各種演算法的梯度過程，使讀者更深入瞭解演算法的數理過程。
•各章節提供數個Python範例，完整帶領讀者使用深度學習來解決各類問題。
目錄
chapter 01 深度學習的預先知識
1-1 線性代數 (Linear Algebra)
1-2 微積分 (Calculus)
1-3 最佳化理論
1-4 統計學
1-5 Python 程式語言介紹
chapter 02 前饋式神經網路
2-1 感知機
2-2 多層感知機
2-3 深度前饋式神經網路
2-4 深度神經網路的梯度下降方式
2-5 過適化問題 (Overfitting Problem)
2-6 程式範例
chapter 03 卷積神經網路
3-1 卷積神經網路架構
3-2 倒傳遞法進行參數更新
3-3 數值範例
3-4 殘差網路
3-5 程式範例
chapter 04 遞迴式神經網路
4-1 遞迴式神經網路
4-2 序列學習 (Sequential Learning)
4-3 Elman 神經網路理論模型
4-4 長短期記憶 (Long Short-Term Memory, LSTM) 模型
4-5 Peephole 長短期記憶 (Peephole LSTM) 模型
4-6 GRU (Gated Recurrent Unit) 模型
4-7 雙向 LSTM (Bidirectional LSTM)
4-8 程式範例
chapter 05 侷限型波茲曼模型、深度信念網路及自編碼器
5-1 侷限型波茲曼模型 (Restricted Boltzmann Machines, RBM)
5-2 深度信念網路 (Deep Belief Networks, DBN)
5-3 自編碼器 (Autoencoders)
5-4 程式範例
chapter 06 其他網路模型
6-1 自迴歸模型 (Autoregressive Models)
6-2 自生成模型 (Generative Models)
6-3 神經圖靈機
6-4 注意力模型 (Attention-based Models)
6-5 程式範例
chapter 07 強化學習
7-1 馬可夫決策過程
7-2 Bellman 方程式
7-3 深度 Q- 網路 (Deep Q-Network, DQN)
7-4 政策梯度 (Policy gradients)
7-5 Advantage Actor-Critic (A2C) Methods
7-6 程式範例
1-1 線性代數 (Linear Algebra)
1-2 微積分 (Calculus)
1-3 最佳化理論
1-4 統計學
1-5 Python 程式語言介紹
chapter 02 前饋式神經網路
2-1 感知機
2-2 多層感知機
2-3 深度前饋式神經網路
2-4 深度神經網路的梯度下降方式
2-5 過適化問題 (Overfitting Problem)
2-6 程式範例
chapter 03 卷積神經網路
3-1 卷積神經網路架構
3-2 倒傳遞法進行參數更新
3-3 數值範例
3-4 殘差網路
3-5 程式範例
chapter 04 遞迴式神經網路
4-1 遞迴式神經網路
4-2 序列學習 (Sequential Learning)
4-3 Elman 神經網路理論模型
4-4 長短期記憶 (Long Short-Term Memory, LSTM) 模型
4-5 Peephole 長短期記憶 (Peephole LSTM) 模型
4-6 GRU (Gated Recurrent Unit) 模型
4-7 雙向 LSTM (Bidirectional LSTM)
4-8 程式範例
chapter 05 侷限型波茲曼模型、深度信念網路及自編碼器
5-1 侷限型波茲曼模型 (Restricted Boltzmann Machines, RBM)
5-2 深度信念網路 (Deep Belief Networks, DBN)
5-3 自編碼器 (Autoencoders)
5-4 程式範例
chapter 06 其他網路模型
6-1 自迴歸模型 (Autoregressive Models)
6-2 自生成模型 (Generative Models)
6-3 神經圖靈機
6-4 注意力模型 (Attention-based Models)
6-5 程式範例
chapter 07 強化學習
7-1 馬可夫決策過程
7-2 Bellman 方程式
7-3 深度 Q- 網路 (Deep Q-Network, DQN)
7-4 政策梯度 (Policy gradients)
7-5 Advantage Actor-Critic (A2C) Methods
7-6 程式範例
序／導讀
序
目前常見用於開發人工智慧的程式語言有C++、Java、Python、LISP及Prolog等，其中Python可說是近年來最熱門的程式語言。主要原因是Python不像C++或Java般的困難，所以更適合快速開發程式，並且有豐富的函式庫支援Python進行各種的深度學習演算法。另一方面，LISP與Prolog都是早期發展人工智慧的程式語言，然而目前受限於使用者社群人數較少，所支援的函式庫並不如其他語言豐富，且LISP與Prolog語言的特色，目前大多都可以在Python中找得到，因此本書以Python來做為開發人工智慧與深度學習的語言程式。
雖然近年來有許多人工智慧及深度學習的書藉陸續出版，但都較為強調語言程式的使用及應用，缺乏對各種演算法的內容做系統性及數學模型的介紹，這樣的學習會較流於表面，而無法學習到各個演算法的精華所在，也無法對各種演算法進行修正或是自創最好的演算法，這對大專院校學生在學習深度學習時，必定有所不足。
因此，本書之主要目的，即是提供深度學習領域內，各種演算的理論基礎及數學模型，提供讀者對於各種模型的深度理解，來瞭解各種演算法的精華所在。再輔以Python程式範例，一步步帶領讀者進入深度學習的世界。
目前常見用於開發人工智慧的程式語言有C++、Java、Python、LISP及Prolog等，其中Python可說是近年來最熱門的程式語言。主要原因是Python不像C++或Java般的困難，所以更適合快速開發程式，並且有豐富的函式庫支援Python進行各種的深度學習演算法。另一方面，LISP與Prolog都是早期發展人工智慧的程式語言，然而目前受限於使用者社群人數較少，所支援的函式庫並不如其他語言豐富，且LISP與Prolog語言的特色，目前大多都可以在Python中找得到，因此本書以Python來做為開發人工智慧與深度學習的語言程式。
雖然近年來有許多人工智慧及深度學習的書藉陸續出版，但都較為強調語言程式的使用及應用，缺乏對各種演算法的內容做系統性及數學模型的介紹，這樣的學習會較流於表面，而無法學習到各個演算法的精華所在，也無法對各種演算法進行修正或是自創最好的演算法，這對大專院校學生在學習深度學習時，必定有所不足。
因此，本書之主要目的，即是提供深度學習領域內，各種演算的理論基礎及數學模型，提供讀者對於各種模型的深度理解，來瞭解各種演算法的精華所在。再輔以Python程式範例，一步步帶領讀者進入深度學習的世界。
詳細資料
詳細資料
-
- 語言
- 中文繁體
- 裝訂
-
- ISBN
- 9789865023898
- 分級
- 普通級
-
- 頁數
- 272
- 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