商品已停售
深度學習入門教室(6堂基礎課程+Python實作練習.Deep Learning.人工智慧.機器學習的理論和應用全圖解)
▐ 自2024/1/1 00:00起，台灣樂天市場「屈臣氏」將不贈送 LINE POINTS 點數
▐ 自2023/2/1 00:00起，樂天Kobo電子書不贈送 LINE POINTS 點數，請會員多加留意。
▐ LINE POINT點數回饋依照樂天提供扣除折價券(優惠券)、與運費後之最終金額進行計算。
▐ 愛買與愛票網、a la sha（2023/8/1生效）、GAME休閒館（2023/8/1生效）、專品藥局（2023/8/1生效）等部分店家不參與全站加碼，請詳閱LINE Points 加碼店家清單:https://lin.ee/Y2CcVdk/rcfk
▐ 注意事項
(1)部分服務及店家不符合贈點資格，購買後將不贈送 LINE Points 點數，亦不得使用點數紅包，如：比漾廣場、神腦生活、MyCard、愛美麗福利社、展翔通訊、ezcook 美食廚房、葳豐數位商城、吉盈數位商城、森林巨人、包材中心、KABO佳麗寶家電批發、LuLuLu精品店、NewSTYLE新風尚潮流、0216零食會社、美寶家電、純米小鋪、LILY科技新櫃、登芳3C電子雜貨賣場、豐饌御鴨、鼎耀通訊、誠選3C、Smile、葳豐數位商城二店、米蘭寶、BoBo Outlet代購屋、楊家食品（2022/10/1生效）、樂天Kobo電子書（2023/2/1生效）、屈臣氏（2024/1/1生效）等，請詳閱LINE Points 加碼店家清單。
(2)需透過LINE購物前往台灣樂天市場，並在同一瀏覽器於24小時內結帳，才享有 LINE Points 回饋。
(3)若購買之訂單（包含預購商品）未符合樂天市場 45 天內完成訂單出貨及結帳，則不符合贈點資格。
(4)如使用App、或中途瀏覽比價網、回饋網、Google等其他網頁、或由網頁版(電腦版/手機版網頁)切換為App都將會造成追蹤中斷而無法進行 LINE Points 回饋。
(5) LINE 購物為購物資訊整合性平台，商品資料更新會有時間差，如顯示之商品規格、顏色、價位、贈品與台灣樂天市場銷售網頁不符，以銷售網頁標示為準。
(6)Pickup店家之有效訂單需於下單後40天內使用完畢才符合分潤條件
(7) 若上述或其他原因，致使消費者無接收到點數回饋或點數回饋有爭議，台灣樂天市場保有更改條款與法律追訴之權利，活動詳情以樂天市場網站公告為準。商品描述
作者: 谷岡廣樹.康鑫 出版社: 臉譜 出版日期: 2019/01/30 ISBN: 9789862357156 頁數: 248 內容簡介 原文書名：いちばんやさしい ディープラーニング入門教室 中文書名：深度學習入門教室：6堂基礎課程+Python實作練習，Deep Learning、人工智慧、機器學習的理論和應用全圖解 內容簡介 ――――超人氣暢銷書《演算法圖鑑》姊妹作，機器學習初學者最佳入門書！―――― 人工智慧時代關鍵能力！深度學習深在哪裡？ 強化運算思維，建構邏輯概念，一次弄懂深度學習活用之道！ ★ 精闢剖析深度學習發展史，詳述機器學習的基礎知識！ ★ 完整解說熱門程式語言第一名Python的環境建構和基本語法！ ★ 圖像化示範TensorFlow和Keras的安裝，開發AI必學必讀！ ★ 介紹類神經網路的基本思考方式和程式範例，逐步加深理解！ ★ 說明使用卷積神經網路的影像辨識演算法，進一步強化學習！ ★ 全面了解提升深度學習準確度的演算法，掌握應用的訣竅！ █ 迎接運算時代，紮實學好Deep Learning的要點！ 本書以想試著開始使用時下流行的深度學習之讀者為對象，從理論到實踐進行了統整。書中詳細說明深度學習基礎理論的類神經網路，以及相關的必要數學知識，同時講解程式原始碼，以實際動手操作的方式來幫助理解。 坊間已經有眾多的機器學習與深度學習相關書籍，但類神經網路理論的學習門檻相當高、深度學習應用程式框架入門難度深、不容易掌握進一步應用的要領等等，常令初學者無法看清活用深度學習的探索之路。 本書首先介紹類神經網路的概念，緊接著說明如何使用應用程式框架進行深度學習，讓學習者初步感受這個領域。接下來介紹各種應用，大量運用範例來說明。在此之後，對於想進一步學習理論的讀者，介紹機器學習的學習方式；對於想挑戰進階深度學習應用的讀者，說明演算法等等。 █ 豐富圖解一目瞭然，「文字辨識」、「影像辨識」、「自然語言處理」實際演練！ 本書的目標是幫助讀者了解什麼是深度學習、什麼是AI之後，能夠實際動手實作，期使讀者不致一知半解，不會只是執行範例卻不知接下來能做什麼，而能學會確實地判斷為了何種目的該使用何種應用程式框架，以及實際進行的步驟。 想挑戰AI開發的理工科學生、想更上一層樓的工程師、想了解深度學習基礎理論的人、使用TensorFlow和Keras嘗試實際安裝的人、想弄懂機器學習所需的數學的人，都能從本書平易的解說中學習到必要的知識。 作者簡介 作者簡介 谷岡広樹Hiroki Tanioka 1973年出生於日本德島縣。1997年畢業於千葉大學，2004年於信州大學工學系研究所修讀完成碩士課程。2008年於信州大學總合工學系研究所修讀完成博士課程。工學博士。1997年4月起歷任日本國內IT企業的軟體工程師、研究開發經理，2016年4月赴任德島大學資訊中心助理教授。對於資訊檢索、機器學習、自然語言處理等有深厚興趣，目前進行應用於交談系統、運動資料、醫療資訊、資訊檢索與機器學習等的研究開發。資訊處理學會（情報処理学会）、人工智慧學會（人工知能学会）、語言處理學會（言語処理学会）、IEEE（電機電子工程師學會）、ACM（電腦協會）會員。 康鑫Kang Xin 1983年出生於中國遼寧省。2006年畢業於中國東北大學，2009年於北京郵電大學信息工程研究所修讀完成碩士班。2013年於德島大學工學研究所修讀完成博士課程。工學博士。2014年4月赴任同濟大學電子與信息工程學院博士後研究員，2015年4月赴任德島大學國際合作教育中心助理教授，2015年12月起任職德島大學理工學研究所助理教授至今。對於自然語言處理、情感計算、強化學習相關、深層語言模型等有深厚興趣，目前進行能讓對話機器人獲得自我認識的智慧之研究。電子資訊通訊學會（電子情報通信学会）、IEEE（電機電子工程師學會）會員。 譯者簡介 莊永裕 日本東京大學情報理工學博士。現任中央大學資工系助理教授。主要研究領域為程式語言設計、軟體工程，以及高效能運算。ACM、IEEE、IPSJ學會會員。曾任東京大學情報理工學系研究科助理教授，旅居日本多年。譯有數本程式語言與軟體開發相關之日文書籍。日常興趣為旅行、攝影、小說與音樂。 內容目錄 目錄 序言╱本書的目的╱本書的架構 【第1章 深度學習與機器學習】 Lesson 1-1│深度學習的基礎：深階層的類神經網路 Lesson 1-2│深度學習的歷史：從人工智慧的進化來深度學習 Lesson 1-3│機器學習的基礎知識：監督式學習與非監督式學習╱強化學習╱規則庫、知識庫╱統計機器學習╱預處理與特徵提取╱批量學習與線上學習╱效能評估╱泛化能力 Lesson 1-4│機器學習所需的數學：數值與表示式╱變數與常數╱等式與代入式╱向量與上下標╱求和記號╱最小值、最大值╱絕對值╱距離與範數╱微分與偏微分╱合成函數的微分╱指數與對數 COLUMN 1│什麼是人工智慧？ 【第2章 Python的準備與基本語法】 Lesson 2-1│Python的安裝～Windows篇～：安裝至Windows Lesson 2-2│Python的安裝～Mac篇～：在Mac可直接使用Python 2系列╱Homebrew的安裝╱pyenv的安裝╱安裝Python 3系列 Lesson 2-3│函式庫的安裝～Windows篇～：Windows版Anaconda的安裝 Lesson 2-4│函式庫的安裝～Mac篇～：Mac版Anaconda的安裝 Lesson 2-5│Python的基本語法：Hello， Python!!╱變數╱常數╱資料型別╱運算╱List型別與Tuple型別╱Set型別╱Dict型別╱字串的連結與反覆╱字串格式╱Sequence運算╱函式╱if陳述╱反覆陳述╱模組的匯入 COLUMN 2│使用Java的實作 【第3章 深度學習的體驗】 Lesson 3-1│TensorFlow與Keras的安裝：Windows篇：安裝TensorFlow╱Windows篇：安裝Keras╱Mac篇：安裝TensorFlow╱Mac篇：安裝Keras Lesson 3-2│使用Jupyter Notebook：Jupyter Notebook的準備╱Jupyter Notebook的使用方法╱POINT：於Mac執行時 Lesson 3-3│數值運算函式庫NumPy的使用方法：基本的使用方式 Lesson 3-4│資料繪製函式庫Matplotlib的使用方法：基本的使用方式 Lesson 3-5│以Keras體驗深度學習：從Kaggle下載影像╱製作影像辨識的程式 COLUMN 3│什麼是TensorFlow？ 【第4章 類神經網路的基礎】 Lesson 4-1│神經元與感知器：神經元╱感知器 Lesson 4-2│激勵函數：各式各樣的激勵函數 Lesson 4-3│赫布理論與差量規則：權重的學習規則 Lesson 4-4│類神經網路的學習：區別狗與貓╱XOR問題╱多層感知器（類神經網路）╱OR問題╱AND問題╱NAND問題╱以類神經網路識別 Lesson 4-5│學習方法的差異與損失函數：類神經網路的學習方法╱從學習過程看損失函數╱關於損失函數 Lesson 4-6│梯度法：如何調整參數？╱類神經網路誤差的梯度求法 Lesson 4-7│反向傳播算法：什麼是反向傳播算法？╱鏈鎖律 Lesson 4-8│MNIST：Step 1. 以Jupyter Notebook新增檔案╱Step 2. 準備手繪影像資料╱Step 3. 製作模型╱Step 4. 類神經網路的學習 COLUMN 4│維度的詛咒與過適 【第5章 卷積神經網路】 Lesson 5-1│卷積神經網路的基礎：影像分類與視覺神經元╱讓1個神經元學習全部的輸入影像 Lesson 5-2│卷積運算：讓感受野滑動╱聚焦區域的移動 Lesson 5-3│卷積層：為了使其認識不同樣式╱POINT：Windows上務必安裝Graphviz Lesson 5-4│深層卷積神經網路：使其能接受3維資料 Lesson 5-5│以補零卷積：收縮輸出的形狀╱輸入資料之周圍資訊的損失╱補零 Lesson 5-6│增廣範圍的卷積：什麼是步幅？╱使用補零 Lesson 5-7│卷積ReLU層：以非線性變換增進辨識 Lesson 5-8│池化層：以池化層處理╱池化層的優點與注意點 Lesson 5-9│全連結層：全連結層的處理╱修正全連結層╱想進行更複雜的判斷時 Lesson 5-10│深層卷積神經網路的學習：模型學習與訓練╱Step 1. 定義損失E╱Step 2. 初始化權重值w╱Step 3. 反覆修正權重值w Lesson 5-11│過適與丟棄：過適的例子╱丟棄以防止過適╱丟棄的優點 Lesson 5-12│卷積的進一步詳細資訊：卷積層 vs. 全連結層╱深而小的區域感受野 vs. 淺而廣的感受野 COLUMN 5│使用GPU學習 【第6章 深度學習的應用】 Lesson 6-1│遞迴神經網路（RNN）：RNN的特徵 Lesson 6-2│LSTM類神經網路：LSTM的特徵 Lesson 6-3│門閘遞迴單元（GRU）：GRU的特徵╱能更有效率地記憶 Lesson 6-4│RNN語言模型：使其推測接下來將出現的單字 Lesson 6-5│Sequence-To-Sequence模型：Sequence-To-Sequence模型的特徵 Lesson 6-6│Attention：Attention的特徵 COLUMN 6│由上而下與由下而上 結語╱謝辭 參考文獻 ISBN: 9789862357156