.
第1章|什麼都不懂的鏡子1.1 魔鏡與皇后1.2 試著機械學習Column 機械學習是什麼?1.3 根據資料學習Column 機械的自主學習第2章|美麗的祕訣2.1 魔鏡的答案Column 數學的必要性2.2 挑戰迴歸問題Column 機械也跟人類一樣?2.3 代表美麗的函數Column 機械也有老師第3章|挑戰最佳化問題3.1 皇后全力衝刺!Column 從演算法多學一點3.2 模型的極限Column 訓練資料與測試資料3.3 建立新的特徵值 Column 如何建立困難的函數?3.4 神經網路Column 大腦的資訊處理機構第4章|挑戰深度學習4.1 推桿推不動了?Column 深度學習的風潮4.2 注意過擬合Column 機械學習就是與過擬合戰鬥4.3 批次學習與在線學習Column 隨機梯度下降法的復活第5章|預測未來5.1 識別的鏡子5.2 尋找分界線Column 支持向量機的泛化能力5.3 原本就能分離嗎?Column 扭曲空間的核心函數5.4 填補資料的缺漏 Column 資料的本質5.5 掌握資料的本質Column 稀疏性與人類的直覺第6章|映出美麗的鏡子6.1 珍貴的圖片資料Column 利用磁鐵進行機械學習?6.2 玻爾茲曼機械學習的影像處理Column 機械學習與統計力學6.3 能辨識更複雜的特徵嗎?Column 變分原理6.4 使用隱藏變數,打造多元世界Column 採樣專用機器登場6.5 複雜資料的真面目Column 辛頓先生的意志力第7章|只找出臉部的美麗度7.1 知道世上所有事情的魔鏡7.2 魔鏡啊魔鏡、魔鏡先生
Deep Learning|用Python進行深度學習的基礎理論實作