登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　運費計算　 |　聯絡我們　 |　幫助中心　|　 加入書簽
會員登入   新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類瀏覽雜誌 臺灣用戶
品種：超過100萬種各類書籍/音像和精品，正品正價，放心網購，悭钱省心 服務：香港／台灣／澳門／海外 送貨：速遞／郵局／服務站

新書上架：簡體書 繁體書
暢銷書架：簡體書 繁體書
好書推介：簡體書 繁體書

11月出版：大陸書 台灣書
十月出版：大陸書 台灣書
九月出版：大陸書 台灣書
八月出版：大陸書 台灣書
七月出版：大陸書 台灣書
六月出版：大陸書 台灣書
五月出版：大陸書 台灣書
四月出版：大陸書 台灣書
三月出版：大陸書 台灣書
二月出版：大陸書 台灣書
一月出版：大陸書 台灣書
12月出版：大陸書 台灣書
11月出版：大陸書 台灣書
十月出版：大陸書 台灣書
九月出版：大陸書 台灣書

『簡體書』深度学习全书——公式+推导+代码+TensorFlow全程案例

書城自編碼： 3785128
分類：簡體書→大陸圖書→計算機/網絡→人工智能
作者： 洪锦魁 主编 陈昭明 著
國際書號(ISBN)： 9787302610304
出版社： 清华大学出版社
出版日期： 2022-09-01

頁數/字數： /
書度/開本： 16开 釘裝： 平装

售價：HK$ 182.9

我要買 件

share:

** 我創建的書架 **
未登入.

新書推薦：
推荐连接万物
《 推荐连接万物 》
售價：HK$ 63.8
严复与福泽谕吉启蒙思想比较（王中江著作系列）
《 严复与福泽谕吉启蒙思想比较（王中江著作系列） 》
售價：HK$ 165.0
甘于平凡的勇气
《 甘于平凡的勇气 》
售價：HK$ 49.5
存在与结构：精神分析的法国转向——以拉康与萨特为中心
《 存在与结构：精神分析的法国转向——以拉康与萨特为中心 》
售價：HK$ 52.8
生成式人工智能：AIGC与多模态技术应用实践指南
《 生成式人工智能：AIGC与多模态技术应用实践指南 》
售價：HK$ 108.9
石油帝国的兴衰：英国的工业化与去工业化
《 石油帝国的兴衰：英国的工业化与去工业化 》
售價：HK$ 97.9
古典的回響：溪客舊廬藏明清文人繪畫
《 古典的回響：溪客舊廬藏明清文人繪畫 》
售價：HK$ 437.8
根源、制度和秩序：从老子到黄老学（王中江著作系列）
《 根源、制度和秩序：从老子到黄老学（王中江著作系列） 》
售價：HK$ 121.0

 
建議一齊購買：

+

HK$ 69.6
《人工智能导论》		 +

HK$ 115.0
《机器学习与资产定价》		 +

HK$ 136.3
《智能硬件产品：从0到1的方法与实践》		 +

HK$ 142.6
《少年AI一百问》		 +

HK$ 103.4
《人工智能和蓝牙硬件开发实战》		 +

HK$ 117.5
《深度学习之PyTorch物体检测实战》
編輯推薦：
深度学习已经风靡全球，对于计算机相关的从业者来说，学习其相关知识至关重要，对于非计算机领域的从业者来说，学习这些知识也可以大大扩宽自己的视野，对科技世界的发展动向略知一二。《深度学习全书——公式 推导 代码 TensorFlow全程案例》的作者以统计学人的角度，从深度学习必备的数理知识出发，一步步介绍各种领域的算法和应用，帮助学习者们构建一个完整的知识体系，做到即学即用，避免让知识成为空中楼阁。
內容簡介：
《深度学习全书——公式 推导 代码 TensorFlow全程案例》共有15章，分为5部分，第一篇说明深度学习的概念，包括数理基础，特点是结合编程解题，加深读者印象，第二篇说明TensorFlow的学习地图，从张量、自动微分、梯度下降乃至神经层的实践，逐步解构神经网络，第三篇介绍CNN算法、影像应用、转移学习等，第四篇则进入自然语言处理及语音识别的领域，介绍RNN/BERT/Transformer算法、相关应用等，最后，介绍了强化学习的基础知识，包括马尔可夫决策过程、动态规划、蒙特卡洛、Q Learning算法，当然，还有相关案例实践。
關於作者：
陈昭明，成功大学统计系学士、清华大学工业工程研究所硕士。曾任职于IBM、工研院电通所、软件开发公司、ERP顾问公司、电信公司、财经数据库公司，目前担任Python、机器学习、深度学习、AIoT讲师。获2018年IT邦帮忙铁人赛 AI 组冠军、2021年IT邦帮忙铁人赛 AI 组优选。
洪锦魁，中国台湾计算机专家，著名程序员与IT作家。横跨DOS时代、Windows时代、Internet时代、大数据时代，纵观IT兴衰而笔耕不辍。台湾天龙书局IT图书常年霸榜专业户。其作品版权包括：中国台湾（繁体中文）、中国大陆（简体中文）、马来西亚（马来文）、美国（英文）。写作特色：所有程序语法依特性分类，同时以实用的程序范例进行解说，程序确保跑通，让读者可以事半功倍地轻松掌握相关知识。
目錄：
第一篇 深度学习导论

第 1 章 深度学习导论 2
1-1 人工智能的三波浪潮 2
1-2 AI 的学习地图 4
1-3 机器学习应用领域 5
1-4 机器学习开发流程 6
1-5 开发环境安装 7
第 2 章 神经网络原理 12
2-1 必备的数学与统计知识 12
2-2 线性代数 14


2-3 微积分 24

2-3-5 积分 37
2-4 概率与统计 41
2-4-1 数据类型 42
2-4-2 抽样 43
2-4-3 基础统计 46
2-4-4 概率 53
2-4-5 概率分布 59
2-4-6 假设检定 69
2-5 线性规划 78
2-6 普通最小二乘法与最大似然
估计法 81
2-6-1 普通最小二乘法 81
2-6-2 最大似然估计法 84
2-7 神经网络求解 88

2-3-1 微分 24
2-3-2 微分定理 29
2-3-3 偏微分 32
2-3-4 简单线性回归求解 36

深度学习全书——公式 推导 代码 TensorFlow 全程案例

第二篇 TensorFlow 基础篇

第 3 章 TensorFlow 架 构 与
主要功能 98
3-1 常用的深度学习框架 98
3-2 TensorFlow 架构 99
3-3 张量运算 100
3-4 自动微分 105
3-5 神经网络层 109
第 4 章 神经网络实践 114
4-1 撰写第一个神经网络程序 114
4-1-1 最简短的程序 114
4-1-2 程序强化 115
4-1-3 实验 124
4-2 Keras 模型种类 129
4-2-1 Sequential model 129
4-2-2 Functional API 133
4-3 神 经层 135
4-3-1 完全连接神经层 135
4-3-2 Dropout Layer 137
4-4 激活函数 137
4-5 损失函数 142
4-6 优 化器 144
4-7 效果衡量指标 148
4-8 超参数调校 152
第 5 章 TensorFlow 其他常用
指令 156
5-1 特征转换 156
5-2 模型存盘与加载 157
5-3 模型汇总与结构图 159

5-4 回调函数 161
5-4-1 EarlyStopping
Callbacks 162
5-4-2 ModelCheckpoint
Callbacks 163
5-4-3 TensorBoard Callbacks 164
5-4-4 自定义 Callback 165
5-4-5 自定义 Callback 应用 168
5-4-6 总结 169
5-5 TensorBoard 169
5-5-1 TensorBoard 功能 169
5-5-2 测试 171
5-5-3 写入图片 172
5-5-4 直 方图 173
5-5-5 效果调校 174
5-5-6 敏感度分析 175
5-5-7 总结 176
5-6 模型部署与 TensorFlow
Serving 176
5-6-1 自行开发网页程序 176
5-6-2 TensorFlow Serving 178
5-7 TensorFlow Dataset 180
5-7-1 产生 Dataset 180
5-7-2 图像 Dataset 184
5-7-3 TFRecord 与 Dataset 186
5-7-4 TextLineDataset 189
5-7-5 Dataset 效果提升 191
第 6 章 卷积神经网络 193
6-1 卷积神经网络简介 193

IV

目 录


6-2 卷积 194
6-3 各式卷积 197
6-4 池 化层 201
6-5 CNN 模型实践 202
6-6 影像数据增补 206
6-7 可解释的 AI 211

第 7 章 预先训练的模型 219
7-1 预先训练的模型简介 219
7-2 采用完整的模型 221
7-3 采用部分模型 225
7-4 转移学习 229
7-5 Batch Normalization 说明 233

第三篇 进阶的影像应用

第 8 章 目标检测 238
8-1 图像辨识模型的发展 238
8-2 滑动窗口 239
8-3 方向梯度直方图 242
8-4 R-CNN 目标检测 252
8-5 R-CNN 改良 263
8-6 YOLO 算法简介 266
8-7 YOLO 环境配置 269
8-8 以 TensorFlow 实践 YOLO
模型 274
8-9 YOLO 模型训练 280
8-10 SSD 算法 285
8-11 TensorFlow Object Detection
API 285
8-12 目标检测的效果衡量指标 294
8-13 总结 295
第 9 章 进阶的影像应用 296
9-1 语义分割介绍 296
9-2 自动编码器 297
9-3 语义分割实践 305
9-4 实例分割 311

9-5 风格转换—人人都可以是
毕加索 315
9-6 脸部辨识 327
9-6-1 脸部检测 327
9-6-2 MTCNN 算法 332
9-6-3 脸部追踪 334
9-6-4 脸部特征点检测 340
9-6-5 脸部验证 346
9-7 光学文字辨识 349
9-8 车牌辨识 353
9-9 卷积神经网络的缺点 357
第 10 章 生成对抗网络 359
10-1 生成对抗网络介绍 359
10-2 生成对抗网络种类 361
10-3 DCGAN 364
10-4 Progressive GAN 375
10-5 Conditional GAN 380
10-6 Pix2Pix 385
10-7 CycleGAN 396
10-8 GAN 挑战 406
10-9 深度伪造 406

V

深度学习全书——公式 推导 代码 TensorFlow 全程案例

第四篇 自然语言处理

第 11 章 自然语言处理的介绍 412
11-1 词袋与 TF-IDF 412
11-2 词汇前置处理 416
11-3 词 向量 421
11-4 GloVe 模型 433
11-5 中文处理 436
11-6 spaCy 库 439
第 12 章 自然语言处理的算法 444
12-1 循环神经网络 444
12-2 长短期记忆网络 451
12-3 LSTM 重要参数与多层
LSTM 456
12-4 Gate Recurrent Unit 467
12-5 股价预测 468
12-6 注意力机制 475
12-7 Transformer 架构 485
12-7-1 Transformer 原理 486
12-7-2 Transformer 效能 487
12-8 BERT 488
12-8-1 Masked LM 488
12-8-2 Next Sentence
Prediction 489
12-8-3 BERT 效能微调 490
12-9 Transformers 库 491
12-9-1 Transformers 库范例 491

12-9-2 Transformers 库效能
微调 501
12-9-3 后续努力 507
12-10 总结 507
第 13 章 聊天机器人 508
13-1 ChatBot 类别 508
13-2 ChatBot 设计 509
13-3 ChatBot 实践 511
13-4 ChatBot 工具框架 514
13-4-1 ChatterBot 实践 514
13-4-2 Chatbot AI 实践 517
13-4-3 Rasa 实践 520
13-5 Dialog?ow 实践 523
13-5-1 Dialog?ow 安装 525
13-5-2 Dialog?ow 基本功能 527
13-5-3 履行 532
13-6 总结 536
第 14 章 语 音 识别 537
14-1 语音基本认识 538
14-2 语音前置处理 549
14-3 语音相关的深度学习应用 561
14-4 自动语音识别 574
14-5 自动语音识别实践 577
14-6 总结 578




VI

目 录

第五篇 强化学习

第 15 章 强 化 学习 580
15-1 强化学习的基础 581
15-2 强化学习模型 583
15-3 简单的强化学习架构 586
15-4 Gym 库 593
15-5 Gym 扩充功能 600
15-6 动态规划 602

15-7 值 循环 607
15-8 蒙特卡洛 610
15-9 时序差分 619
15-10 其他算法 628
15-11 井字游戏 630
15-12 木棒小车 636
15-13 总结 637
















VI
內容試閱：
为何撰写本书
笔者从事机器学习教育行业已有四年，其间也在“IT 邦帮忙”撰写过上百篇文章(https://ithelp.ithome.com.tw/users/20001976/articles)，从学员及读者的回馈中获得了许多宝贵意见，期望能将整个历程集结成册，同时，相关领域的发展也在飞速变化，过往的文章内容需要翻新，因此笔者借机再重整思路，思考如何能将算法的原理解释得更简易清晰，协助读者跨入 AI 的门坎，另外，也尽量避免流于空谈，增加应用范例，希望能使学生实现即学即用，不要有过多理论的探讨。
AI 是一个将数据转化为知识的过程，算法就是过程中的生产设备，最后产出物是模型，再将模型植入各种硬件装置，如计算机、手机、智能音箱、汽车、医疗诊断仪器等，这些装置就拥有了特殊专长的智能，再进一步整合各项技术就可以构建出智能制造、智能金融、智能交通、智慧医疗、智能城市、智能家庭等应用系统。AI 的应用领域如此广阔，个人精力和能力有限，唯有从基础扎根，再扩及有兴趣的领域，因此， 笔者撰写这本书的初衷，就是希望读者在扎根的过程中，贡献一点微薄的力量。
本书主要的特点
笔者身为统计人，希望能以统计 / 数学为出发点，介绍深度学习必备的数理基础， 但又不希望内文有太多数学公式的推导，让离开校园已久的在职者看到大量数学符号心生恐惧，因此，本书尝试以程序设计取代定理证明，缩短学习历程，增进学习乐趣。
TensorFlow 2.X 版有巨大的变动，默认模式改为 Eager Execution，并以 Keras 为主力，整合 TensorFlow 其他模块，形成完整的架构，本书期望对 TensorFlow 架构作完整性的介绍，并非只是介绍 Keras 而已。
算法介绍以理解为主，辅以大量图表说明，摒弃长篇大论。
完整的范例程序及各种算法的延伸应用，以实用为要，希望能触发读者灵感， 能在项目或产品内应用。
介绍日益普及的算法与相关套件的使用，如 YOLO( 目标检测 )、GAN( 生成对抗网络 )/DeepFake( 深度伪造)、OCR( 光学文字辨识)、人脸识别、BERT/Transformer、ChatBot、强化学习、语音识别 (ASR) 等。
目标对象
深度学习的入门者：必须熟悉 Python 程序语言及机器学习的基本概念。
数据工程师：以应用系统开发为职业志向，希望能应用各种算法，进行实际操作。
信息工作者：希望能扩展深度学习知识领域。
从事其他领域的工作：希望能一窥深度学习奥秘者。
阅读重点
第 1 章介绍 AI 的发展趋势，鉴古知今，引导读者了解前两波 AI 失败的原因， 比较第三波发展的差异性。
第 2 章介绍深度学习必备的统计 / 数学基础，读者不仅要理解相关知识，也要力求能撰写程序解题。
第 3 章介绍 TensorFlow 的基本功能，包括张量 (Tensor) 运算、自动微分及神经网络模型的组成，并说明梯度下降法求解的过程。
第 4 章开始实作，依照机器学习十项流程，撰写完整的范例，包括 Web、桌面程序等。
第 5 章介绍 TensorFlow 进阶功能，包括各种工具，如 TensorBoard、TensorFlow Serving、Callbacks 等。
第 6 ～ 10 章介绍图像 / 视频的算法及各式应用。
第 11 ～ 14 章介绍自然语言处理、语音及各式应用。
第 15 章介绍 AlphaGo 的基础—强化学习算法。
本书范例程序代码和参考文献全部可以通过扫描二维码获取。
致谢
原本笔者计划整理过往文章集结成书，但由于相关技术发展太快，几乎全部重新撰写编排，因此耗时较长，因个人能力有限，还是有许多问题成为遗珠之憾，仍待后续努力，编写过程中感谢栾大成、申美莹在编辑、校正、封面构想环节的尽心协助， 也感谢清华大学出版社的大力支持，使本书得以顺利出版，最后要借此书，纪念一位挚爱的亲人。
书中内容如有疏漏、谬误之处或有其他建议，欢迎广大读者来信指教。
陈昭明
2022-08

 

 

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式 香港用户　 |　台灣用户　|　海外用户
megBook.com.hk
Copyright © 2013 - 2024 （香港）大書城有限公司　 All Rights Reserved.