圖解AI|機器學習和深度學習的技術與原理(電子書) 
作者: 株式会社アイデミー, 山口達輝, 松田洋之
譯者: 衛宮紘
書號: ICD020500     出版日: 2020/10/15
ISBN:     EAN:
紙本書價格: 450     附件: 
電子書: 已出版
試讀  
  Google Play 圖書



回頁首
收錄豐富的圖示與詳盡的解說,即便完全零知識也能夠輕鬆學習。
機器學習與深度學習的原理與技術,單靠這一本 就能深入瞭解的教科書

「人工智慧」、「機器學習」、「深度學習」這些以前在科幻小說中才會見到的字眼,如今已經深入我們的日常,成為大家平日琅琅上口的名詞。可是,真的想要深入一點了解這些名詞,一翻開相關書籍,看到滿滿的數學公式頭就暈了,難道沒有人能夠用大家都聽得懂的方式解釋這些科技名詞嗎?

本書就是因應您心中的吶喊而生的一本書。這本書不會給你滿滿的數學式,而是藉由生活化的舉例、圖解進行說明,盡可能地表達人工智慧的正確知識。期望各位能夠透過本書,觸及機器學習的趣味與可能性,進而踏入機器學習的世界中。

藉由本書,您將可以:
.了解人工智慧、機器學習、深度學習三者之間的關係
.機器學習的程序與核心技術
.了解機器學習應用了哪些演算法
.深度學習的程序與核心技術
.了解深度學習應用了哪些演算法

回頁首

第1章|人工智慧的基礎知識
01 何謂人工智慧?
02 何謂機器學習(ML)?
03 何謂深度學習(DL)?
04 人工智慧與機器學習的普及過程
第2章|機器學習的基礎知識
05 監督式學習的機制
06 非監督式學習的機制
07 增強學習的機制
08 統計與機器學習的差異
09 機器學習與特徵量
10 擅長與不擅長的領域
11 機器學習的運用範例
第3章|機器學習的程序與核心技術
12 機器學習的基本工作程序
13 蒐集資料
14 資料變形
15 模型的作成與學習
16 批次學習與線上學習
17 使用測試資料驗證預測結果
18 學習結果的評估基準
19 超參數與模型的調整
20 主動學習
21 相關與因果
22 反饋迴圈
第4章|機器學習的演算法
23 迴歸分析
24 支援向量機
25 決策樹
26 整體學習
27 整體學習的運用
28 邏輯迴歸
29 貝葉斯模型
30 時序分析與狀態空間模型
31 K 近鄰法(K-NN)與 K 平均法(K-Means)
32 維度縮減與主成分分析
33 最佳化與遺傳演算法
第5章|深度學習的基礎知識
34 類神經網路與其歷史
35 深度學習與圖像辨識
36 深度學習與自然語言處理
第6章|深度學習的程序與核心技術
37 誤差反向傳播法的類神經網路學習
38 類神經網路的最佳化
39 梯度消失問題
40 遷移學習
第7章|深度學習的演算法
41 卷積類神經網路(CNN)
42 遞歸類神經網路(RNN)
43 增強學習與深度學習
44 自動編碼器
45 GAN(生成對抗網路)
46 物體偵測
第8章|系統開發與開發環境
47 編寫人工智慧的主要程式語言
48 機器學習用資料庫與框架
49 深度學習的框架
50 GPU程式設計與高速化
51 機器學習服務


  
 

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