Deep learning 深度學習必讀- Keras 大神帶你用Python 實作

用Python + Keras 實踐深度學習, 解開神經網路模型的黑盒子 在高階函式庫Keras 的幫助下, 用6 行程式就可寫一隻深度學習神經網路的程式, 建構深度學習模型就像玩樂高 ... Togglenavigation Search 圖書 新書總覽 程式設計●資訊技術 網路與網頁設計 影像●繪圖 運動●健康●瘦身 辦公軟體應用 硬體/創客技術●科普 電腦與數位生活 行銷●理財●商管 藝術設計 生活風格 攝影●編修●影音 考試●檢定●其他 創客 創客產品 創客檔案下載 教科書 新書總覽 程式設計與演算法 計算機概論 多媒體與影像處理 網路與網頁技術 商業管理與軟體應用 作業系統與系統分析 資料庫與資訊安全 電腦輔助設計 硬體與自動控制 檢定用書與其他類別 教具 教具產品 詢問產品詳情 Deeplearning深度學習必讀-Keras大神帶你用Python實作 書籍類別：程式設計/程式設計/資料庫 作者：Keras原創者FrançoisChollet著、葉欣睿譯、施威銘研究室監修 書號：F9379 ISBN：9789863125501 建議售價：1000元 色彩：局彩 附件：請點我 1.本書範例程式下載 2.加入會員可獲得額外BONUS內容 線上購買 博客來 誠品 天瓏 PChome 三民書局 讀冊生活 旗標 內容介紹 本書相關資源網頁： http://www.flag.com.tw/bk/t/f9379 用Python+Keras實踐深度學習,解開神經網路模型的黑盒子 在高階函式庫Keras的幫助下,用6行程式就可寫一隻深度學習神經網路的程式,建構深度學習模型就像玩樂高積木一樣,可以輕易將各種神經網路組合在一起,而每一種模型可用來解決不同的問題。

正宗Keras大神著作，正體中文版重磅登場 本書為Keras之父FrançoisChollet親自撰寫,詳細解說神經網路每一層的架構與原理,並不時提供個人經驗累積而成的真知灼見,帶領讀者熟悉機器學習的標準工作流程,並了解如何使用Keras解決從電腦視覺到自然語言處理的各種實務問題,例如圖像分類、時間序列預測、情感分析、圖像和文字資料的生成...等,最有效率實作出可用的模型,絕對是機器學習、資料科學、人工智慧從業人員必讀的經典之作。

最後引述FrançoisChollet在書中所說：深度學習並不難,只是又多又雜,這本書就是希望能夠提供更多人瞭解深度學習的第一步。

這不表示我們會把複雜的內容簡化(因為這些都是深度學習所必需的),而是希望各位不要擔心深度學習太過於困難而裹足不前。

希望你能夠發現本書的價值,並跟著本書逐步建構屬於你的人工智慧應用程式。

本書特色 本書由施威銘研究室監修,書中會針對原書所提及的背景知識做補充,所有程式均經過實際執行測試,並適當添加註解與程式碼,幫助讀者能更加理解程式內容。

■CNN–用於電腦視覺的深度學習 ■RNN–用於文字與序列資料的深度學習 ■LSTM、VAE與DeepDream ■神經風格轉換 ■GAN生成對抗神經網路 ■機器學習與神經網路 ■張量Tensor與張量運算 ■KerasAPI、callbacks與TensorBoard ■超參數優化與模型集成 本書相關資源網頁如下,請登錄下載範例程式及Bonus： http://www.flag.com.tw/bk/t/f9379 也歡迎加入本書粉絲專頁,和技術者們直接對話！ 「從做中學AI」粉絲專頁 https://www.facebook.com/flaglearningbydoing/ 書籍目錄 Ch01何謂深度學習？1-1人工智慧、機器學習與深度學習1-2機器學習的基礎技術：深度學習之前1-3為什麼是深度學習？為什麼是現在？Ch02開始之前：了解神經網路的數學概念2-1初探神經網路2-2神經網路的資料表示法：張量Tensor2-3神經網路的工具：張量運算2-4神經網路的引擎：以梯度為基礎的最佳化2-5回顧我們的第一個例子Ch03開始使用神經網路3-1神經網路的核心元件3-2Keras簡介3-3建立一個深度學習的作業環境3-4二元分類範例：將電影評論分類為正評或負評3-5分類數位新聞專欄：多類別分類範例3-6預測房價：迴歸範例Ch04機器學習的基礎知識4-1機器學習的四個分支4-2評估機器學習模型4-3資料預處理(preprocessing)、特徵工程(featureengineering)和特徵學習(featurelearning)4-4過度配適(overfitting)和低度配適(underfitting)4-5機器學習的通用工作流程Ch05深度學習實務電腦視覺的深度學習5-1卷積神經網路CNN5-2以少量資料集從頭訓練一個卷積神經網路5-3使用預先訓練的卷積神經網路5-4視覺化呈現卷積神經網路學習的內容Ch06應用於文字資料與序列資料的深度學習6-1文字資料處理6-2了解循環神經網路6-3循環神經網路的進階使用方法6-4使用卷積神經網路進行序列資料處理Ch07進階深度學習的最佳實作方式7-1超越序列式(Sequential)模型：Keras函數式API7-2使用Keras回呼(callbacks)和TensorBoard檢查和監控深度學習模型7-3模型成效最大化Ch08生成式深度學習8-1使用LSTM產生文字資料8-2DeepDream8-3神經風格轉換8-4使用變分自編碼器VariationalAutoencoders生成圖像8-5生成對抗神經網路簡介GenerativeAdversarialNetworkCh09結語9-1回顧關鍵概念9-2深度學習的侷限性9-3深度學習的未來9-4在快速發展的領域保持最新狀態9-5後語附錄A在Ubuntu上安裝Keras及相關套件附錄B在EC2GPU虛擬主機上使用JupyterNotebook開發機器學習專案 top