圖解AI與深度學習的運作機制 / 涌井貞美 eslite誠品
1. 透過LINE購物進入蝦皮後禁止再透過蝦皮直播下單,避免訂單認列異常
2. 請務必「清空」蝦皮購物車,再透過LINE購物連結至蝦皮商店進行購買 ;先把商品加入購物車,再從LINE購物連結至蝦皮結帳,將無法獲得點數回饋。
3. 請避免連續下單,若您完成交易後,想下第二張訂單,請重新從LINE購物連結至蝦皮商店進行購買
4. 電子票券及繳費服務類別:回饋0%。
5. 請留意,蝦皮超市內的商品(蝦皮超市、蝦皮直送美妝、蝦皮免運直送)不隸屬於蝦皮商城,點數回饋請依照「蝦皮超市」商店頁為主。
6. 蝦皮商城之訂單適用於部分點數紅包,規範請依該紅包頁說明為主。
7. 點數回饋將依照蝦皮提供扣除折價券、運費與蝦幣後之最終金額進行計算。
8. 同一商品品項(即便不同尺寸規格),皆會計入同一筆返點上限進行計算
9. 用戶需於同一瀏覽器進行交易(若自動跳轉 APP,請在 APP交易)。
10. 若使用不同物流或付款方式,將拆分成不同筆訂單編號發送通知。
11. 若使用折價券折抵,可能會有攤提折抵導致訂單金額些微落差
12. 蝦皮會將LINE的導購跳轉紀錄與蝦皮的會員ID進行綁定,若後續七天內未透過其他媒體來源導入蝦皮官網,則七天內於該蝦皮帳號下訂的首筆訂單會被蝦皮認列為該LINE用戶導購跳轉時所成立之訂單。
13. 若同一用戶使用一個以上蝦皮帳號透過LINE購物進行導購,將可能導致無法收到導購通知,亦可能無法收到點數,再請留意。
[注意事項]
1.如導購途中用戶由網頁版(電腦版/手機版網頁)切換為 App 會造成追蹤中斷而無法進行 LINE Points 回饋
2.若購買過程中關閉蝦皮APP,則需重新透過LINE購物前往蝦皮商城,否則無法進行LINE POINTS 回饋。 / 3.如用戶先前往蝦皮商城將商品加入購物車,後續透過LINE購物前往至蝦皮商城將購物車結清,此方案將不列入 LINE Points 回饋
4.若因系統異常無法追蹤訂單,致使消費者無接收到點數回饋,蝦皮保有更改條款與法律追訴之權利
5. LINE購物商品價格若與蝦皮賣場實際價格有異,以蝦皮賣場價格為準商品描述
賣場名稱:eslite誠品
出版社:台灣東販股份有限公司
近年來最熱門的科技關鍵字「AI人工智慧」,到底是如何做出判斷的呢?
目前人工智慧領域中最熱門的「深度學習」,又是怎麼一回事?
在科技快速進步的現代,了解AI的機制與原理,已經成了必備的知識。
AI相關的科技雖然看似複雜,但若只是想了解原理,而不深究數學上的細節的話,其實並沒有想像中那麼困難。
「深度學習」是機器學習方式的一種,與過往由人類教導機器學習的方式不同,是由機器自己從大量的資料中學習,並做出判斷。
本書即是一本從頭解說「深度學習」運作機制的入門書。
書中搭配了豐富的圖表,文字淺白且說明深入淺出,只要有高中程度的數學知識,就可以充分理解本書所講解的內容,讓你在閱讀本書時,實際體會到「原來AI是這樣思考、這樣做出判斷的!」。
Step 1→說明深度學習的活躍情況
深度學習的登場,讓現代的AI有了飛躍性地發展。一開始會先從「現在的AI」是什麼樣子,以及AI與深度學習之間的關係開始講起。
Step 2→用許多插圖及例子說明深度學習的機制
在進行數學性的說明之前,先讓我們用插圖來看看深度學習是什麼樣的東西吧。雖然這樣的說明並不嚴謹,但可以幫助各位了解深度學習的概念。
Step 3→用數學式仔細說明神經網路的機制
在藉由許多插圖解釋深度學習與神經網路的機制之後,接著會用數學式更進一步深入解說神經網路是如何運作的。
【詳細資料】
誠品26碼/2682039727004
ISBN13/9786263047525
ISBN10/6263047526
EAN/9786263047525
尺寸/21X14.8X1.9CM
語言/中文/繁體
級別/無
頁數/304
裝訂/平裝
【作者介紹】
涌井 貞美(Wakui Sadami)
1952年出生於東京。東京大學理學系研究科碩士畢業,曾任職於富士通,擔任過神奈川縣立高等學校教師,後來成為獨立科學作家。因其解說的文章詳細、易懂而廣受好評。
著作包括《まずはこの一冊から 意味がわかる統計解析》(べレ出版)、《図解・ベイズ統計「超」入門》(SBクリエイティブ)、《統計学の図鑑》、《深度學習的數學:用數學開啟深度學習的大門》(博碩)、《大人的理科教室:構成物理‧化學基礎的70項定律》(台灣東販)等。
【產品目錄】
目錄
第1章 活躍中的深度學習
開啟AI時代的深度學習
深度學習與AI
機器學習與深度學習
深度學習的本質與特徵抽出
監督學習與非監督學習
圖像解析與深度學習
語音識別與深度學習
與Big Data十分契合的深度學習
撐起第四次工業革命的深度學習
第2章 用圖說明深度學習的機制
從神經元開始談起
用神經元機器人來說明
將神經元機器人排成一層層
神經網路產生智慧的機制
神經網路的「學習」是什麼意思
用圖說明什麼是卷積神經網路
用圖說明什麼是遞迴神經網路
第3章 說明深度學習之前的準備
Sigmoid函數
資料分析時的模型與參數
理論與實際的誤差
第4章 了解什麼是神經網路
以數學式表示神經元的運作方式
單元與活化函數
Sigmoid神經元
神經網路的實例
神經網路各層的運作方式與變數符號
神經網路的目標函數
神經網路的「學習」
對神經網路「學習」結果的解釋
第5章 了解卷積神經網路的機制
卷積神經網路的準備
卷積神經網路的輸入層
卷積神經網路的卷積層
卷積神經網路的池化層
卷積神經網路的輸出層
卷積神經網路的目標函數
卷積神經網路的「學習」
對卷積神經網路「學習」結果的解釋
測試卷積神經網路
第6章 了解遞迴神經網路的機制
遞迴神經網路的概念
遞迴神經網路的展開圖
遞迴神經網路中各層的運作機制
用數學式表示遞迴神經網路
遞迴神經網路的目標函數
遞迴神經網路的「學習」
第7章 了解誤差反向傳播法的機制
誤差反向傳播法是最佳化計算的基礎
誤差反向轉播法(Backpropagation法)的機制
用Excel體驗誤差反向傳播法
用Python體驗誤差反向傳播法
附錄
本書使用的訓練資料(Ⅰ)
本書使用的訓練資料(Ⅱ)
VBA的使用方式
新增規劃求解功能
在Windows 10使用命令提示字元的方法
Python安裝方法
微分的基礎知識
多變數函數的近似公式與梯度
卷積在數學上的意義
單元的誤差與梯度的關係
單元的誤差與各層間的關係
索引