練好深度學習的基本功|用Python進行基礎數學理論的實作 
作者: 立石賢吾
譯者: 衛宮紘
書號: ACD020200     出版日: 2020/07/31
ISBN: 9789865025472     EAN: 9789865025472
紙本書價格: 560     附件: 
電子書: 尚未出版
試讀  
  博客來  
  金石堂  
  天瓏  
  團體購書



回頁首
從基本暸解深度學習的運作機制!
詳盡解說讓不擅長數學的人也能夠暸解。
僅用Python和NumPy,就可一步一腳印完成實作!
獻給想要跨出「只會使用函式庫實作」舒適圈的人

「雖然我知道如何透過函式庫來做深度學習,但其實並不曉得它到底是怎麼運作」
「想要了解深度學習的數學原理,搞懂深度學習的運作方式」

本書就是為了滿足這樣的需求而推出的。透過朋友之間的對話,採用原理解說與實作並行的方式,從最基礎的原點開始重新認識深度學習。

.何謂類神經網路
.如何實作感知器演算法
.類神經網路如何學習權重和偏差
.如何正確學習參數解題
.實作卷積神經網路


回頁首
立石賢吾
佐賀大學畢業後經歷數間開發公司,於2014年進入LINE Fukuoka,負責商品推薦、文件分類等的機器學習產品。2019年進入SmartNews,擔任機器學習工程師。


回頁首
隨著類神經網路、深度學習等演算法興起,AI(人工智慧)一詞逐漸受到關注。雖然AI聽起來像是非常了不起的東西,但它能夠做到什麼事情?會對我們的生活造成什麼改變?能夠具體想像的人其實並不多。

近年來,大量的開發框架、函式庫、資料集、學習環境、文件問世,任何人想要運用類神經網路的技術,都能夠輕鬆上手。困難複雜的部分被巧妙地隱藏起來,即便不曉得類神經網路的運作原理,也能夠輕鬆完成實作。然而,還是得暸解內部的運作機制,掌握基礎才有辦法做更進一步的有效地運用,也才能真正掌握AI類神經網路的活用方式。

本書設定的讀者對象是對類神經網路感興趣,並想要確實理解內容的的工程師,透過想要學習類神經網路的主角綾乃、熟習類神經網路的好友美緒,以及正在修習類神經網路的悠河等三位登場人物的對話,一起學習、探究類神經網路究竟是什麼。本書致力於從數學面切入解說,以一本針對初學者的書而言,本書內容罕見地出現許多數學式,但讀者只要隨著登場人物的對話閱讀,就能自然而然地理解數學式,請不必過於恐懼數學式,慢慢閱讀下去。

根據從中獲得的基礎知識,採取什麼樣的行動取決於讀者自身。類神經網路每天都以難以置信的速度發展,在各式各樣的領域交出眾多成果。讀者不是學習完就結束,務必思索類神經網路的價值、活用方式,試著付諸實踐。

那麼,讓我們跟著綾乃、美緒、悠河,一起踏上學習類神經網路之旅吧!

回頁首

練好機器學習的基本功|用Python進行基礎數學理論的實作 Deep Learning|用Python進行深度學習的基礎理論實作 Deep Learning 2|用Python進行自然語言處理的基礎理論實作


回頁首

Chapter 1|開始接觸類神經網路
類神經網路是什麼東西?先來比較跟其他機器學習演算法的差異,再以圖片、簡單的數學式解說類神經網路的結構與能夠做到哪些事情。

Chapter 2|學習正向傳播
解說構成感知器類神經網路的單純演算法是如何進行運算,舉判別圖像尺寸為例,學習從輸入值到輸出值依序計算的「正向傳播」。

Chapter 3|學習反向傳播
說明在類神經網路上,如何求得適當的權重與偏差。使用微分更新權重與偏差,盡可能減少「誤差」,但正攻法的計算相當麻煩,因此我們會採用簡化計算的「誤差反向傳播法」。

Chapter 4|學習卷積類神經網路
學會類神經網路的基本原理後,接著學習使用卷積類神經網路處理圖像,舉出卷積類神經網路的特有機制、運算,並說明權重、偏差的更新方法。

Chapter 5|實作類神經網路
根據前面章節學到的類神經網路計算方法, 使用Python編寫程式。以Chapter 2、3 出現的基本類神經網路,實作圖像的尺寸判定;以Chapter 4出現的卷積類神經網路實作手寫文字辨識。

Appendix
收錄Chapter 1 ∼ 5未能詳細解說的數學知識、Python程式設計的環境設置、Python與NumPy的簡易說明。


  
 

關於碁峰隱私權政策聯絡我們     檢視 : PC 版  手機版
碁峰資訊股份有限公司 GOTOP INFORMATION INC.
台北市南港區三重路66號7樓之6 / 7F.-6,No.66,Sanchong Rd.,Nangang District,Taipei
TEL:(02)2788-2408 FAX:(02)8192-4433 劃撥帳號:14244383
Copyright 2014© GOTOP Information Inc, All Rights Reserved 請勿任意連結、轉載