商品已停售
Python機器學習與深度學習特訓班：看得懂也會做的AI人工智慧實戰(附120分鐘影音教學/範例程式)
▐ 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：鄧文淵 總監製 出版社：碁峰資訊 出版日：1080528 ISBN：9789865021498 語言：中文繁體 裝訂方式：平裝 內容簡介 附書DVD*1 國內外最具代表性案例 兩大雲端應用、15項分類實例、9大專題實戰 自然語言、文字識別、語音轉換、分析預測、 物件自動標示、影像辦識真正實練！ 從資料收集整理、模型訓練調整， 檢測修正到產出全面解秘！ 資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。 在資料科學領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。 程式人、工程師挑戰人工智慧最佳學習地圖 由類神經網路基礎到AI應用實戰 訓練、模型、預測、辨識、分析與驗證 全面深入機器學習與深度學習領域技術核心 ■打造專屬Python、TensorFlow與Keras最強開發環境，加碼體驗機器學習雲端平台Microsoft Azure與演算法平台Algorithmia。 ■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。 ■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。 ■全面深入不同應用面向： 印刷文字辨識、手寫文字識別、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部偵測、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號與年份偵測、自動標示物件、資料走勢預測… ■網羅國內外最具代表性案例： 文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。 ■一次領略機器學習與深度學習的重要關鍵話題： TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Azure、Cognitive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、face++、SQLite、SQLite Database Browser、Haar ■針對專案實戰提供關鍵影音輔助教學，加速學習效率。 書附超值DVD：120分鐘關鍵影音教學/範例程式檔 作者簡介 譯者介紹 目錄 01 打造最強環境：TensorFlow和Keras 1.1 人工智慧、機器學習和深度學習的關係 1.2 什麼是機器學習？ 1.3 什麼是深度學習？ 1.5 建置Python的開發環境 1.6 建置開發TenserFlow和Keras的虛擬環境 1.7 Python編輯器的使用 1.8 安裝GPU版的TensorFlow和Keras 02 機器學習起點：多層感知器(MLP) 2.1 認識多層感知器(MLP) 2.2 認識Mnist資料集 2.4 多層感知器實戰：Mnist手寫數字圖片辨識 2.5 模型儲存和載入 2.6 模型權重的儲存和載入 2.7 建立多個隱藏層 03 影像識別神器：卷積神經網路(CNN) 3.1 卷積神經網路(CNN)基本結構 3.2 卷積神經網路實戰：Mnist手寫數字圖片辨識 3.3 模型權重的儲存和載入 04 語言文字處理利器：循環神經網路(RNN) 4.1 循環神經網路(RNN)基本結構 4.2 循環神經網路實戰：Mnist手寫數字圖片辨識 4.3 模型權重的儲存和載入 4.4 長短期記憶(LSTM) 05 體驗機器學習雲端平台：Microsoft Azure 5.1 專題方向 5.2 電腦視覺資源 5.3 臉部辨識資源 5.4 文字語言翻譯資源 06 一探演算法雲端寶庫：Algorithmia 6.1 專題方向 6.2 認識Algorithmia平台 6.3 使用Algorithmia演算法 07 自然語言處理：文字雲與文章自動摘要 7.1 專題方向 7.2 Jieba模組 7.3 文字雲 7.4 文章自動摘要 08 語音辨識應用：YouTube影片加上字幕 8.1 專題方向 8.2 語音辨識 8.3 影片字幕製作 09 投資預測實證：股票走勢分析 9.1 專題方向 9.2 台灣股市資訊模組 9.3 股票分析 9.4 股票預測 10 最狂刷臉時代：臉部辨識登入系統 10.1 專題方向 10.2 face++網站及SQLite資料庫 10.3 本機版刷臉登入系統 10.4 雲端版刷臉登入系統 11 自動標示物件：用Haar特徵分類器擷取車牌 11.1 專題方向 11.2 準備訓練Haar特徵分類器資料 11.3 建立車牌號碼Haar特徵分類器模型 11.4 使用Haar特徵分類器模型 12 無所遁形術：即時車牌影像辨識 12.1 專題方向 12.2 車牌號碼機器學習訓練資料 12.3 建立車牌辨識系統