本書是解說以TensorFlow打造深度學習模型的入門書籍，從建構環境開始，並且介紹深度學習、TensorFlow、Keras的基礎。接著，則挑戰以Keras建構實用的影像處理深度學習模型。一邊帶著大家了解TensorFlow與Keras的功能，一邊帶著大家學習可於職場應用的深度學習模型。
藉由本書，您將可以了解：
．如何建構開發環境
．TensorFlow的深度學習概念
．函式庫的使用方法
．簡單的分類問題
．Keras的使用方法
．如何使用CAE消除雜訊
．如何建立讓黑白照片轉換成彩色照片的模型
．如何建立超高解析度成像
．如何透過機器學習轉換畫風
．如何建置BEGAN自動生成影像
| FindBook |
|
有 1 項符合
小田大輔的圖書 |
 |
$ 341 ～ 446 | 實戰TensorFlow x Keras工作現場開發【金石堂、博客來熱銷】
作者：太田滿久、須藤大、澤匠雅等 ／ 譯者：許郁文 出版社：碁峰資訊股份有限公司 出版日期：2019-03-18 規格：288頁/17*23cmcm  共 7 筆 → 查價格、看圖書介紹
|
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：實戰TensorFlow x Keras工作現場開發
內容簡介
作者介紹
作者簡介
太田滿久
1983年生於東京，長於名古屋。於京都大學基礎物理學研究所研究基本粒子理論，2010年取得博士學位。同年以社會新鮮人之姿進入以資料分析為專業的BrainPad公司。進入公司之後，以自身的數學背景負責自然語言處理引擎與推薦演算法的開發，目前負責調查與驗證最新的技術，也是TensorFlow User Group Tokyo創始成員、Google Developer Expert（Machine Learning）、日本深度學習協會考試委員。曾經擔任《Data Science at the Command Line》日文版（日本歐萊禮）的審校，著有《TensorFlow 活用ガイド》（合著、技術評論社）。
須藤廣大
1991年生於神奈川縣。於全世界漂泊一年之後，進入奈良先端科學技術大學研究所專修自然語言處理學，取得資訊工程碩士。
畢業後，立刻進入BrainPad服務，以機械學習工程師的身份從事深度學習的分析與開發。
黑澤匠雅
2017年以社會新鮮人的身份進入以資料分析為專業的BrainPad服務。
2018年，於東京理科大學研究所取得博士學位。
小田大輔
1980年生於福岡縣。自九州藝術工科大學音響設計學科畢業後，進入遊戲製作公司從事樂曲、內容製作、遊戲程式設計與相關業務，再進入BrainPad公司服務。參與行銷、資料諮詢這類分析專案之後，目前負責調查行銷與資料諮詢於AI相關技術專案的應用。
太田滿久
1983年生於東京，長於名古屋。於京都大學基礎物理學研究所研究基本粒子理論，2010年取得博士學位。同年以社會新鮮人之姿進入以資料分析為專業的BrainPad公司。進入公司之後，以自身的數學背景負責自然語言處理引擎與推薦演算法的開發，目前負責調查與驗證最新的技術，也是TensorFlow User Group Tokyo創始成員、Google Developer Expert（Machine Learning）、日本深度學習協會考試委員。曾經擔任《Data Science at the Command Line》日文版（日本歐萊禮）的審校，著有《TensorFlow 活用ガイド》（合著、技術評論社）。
須藤廣大
1991年生於神奈川縣。於全世界漂泊一年之後，進入奈良先端科學技術大學研究所專修自然語言處理學，取得資訊工程碩士。
畢業後，立刻進入BrainPad服務，以機械學習工程師的身份從事深度學習的分析與開發。
黑澤匠雅
2017年以社會新鮮人的身份進入以資料分析為專業的BrainPad服務。
2018年，於東京理科大學研究所取得博士學位。
小田大輔
1980年生於福岡縣。自九州藝術工科大學音響設計學科畢業後，進入遊戲製作公司從事樂曲、內容製作、遊戲程式設計與相關業務，再進入BrainPad公司服務。參與行銷、資料諮詢這類分析專案之後，目前負責調查行銷與資料諮詢於AI相關技術專案的應用。
目錄
Part 1 基本篇
Chapter 1 機械學習函式庫 TensorFlow 與 Keras
Chapter 2 建構開發環境
Chapter 3 透過簡單的範例學習 TensorFlow
Chapter 4 神經網路與 Keras
Chapter 5 利用 Keras 建構 CNN
Chapter 6 應用預訓練模型
Chapter 7 常用的 Keras 功能
Part 2 應用篇
Chapter 8 使用 CAE 消除雜訊
Chapter 9 自動上色
Chapter 10 超高解析度成像
Chapter 11 轉換畫風
Chapter 12 影像生成
Chapter 1 機械學習函式庫 TensorFlow 與 Keras
Chapter 2 建構開發環境
Chapter 3 透過簡單的範例學習 TensorFlow
Chapter 4 神經網路與 Keras
Chapter 5 利用 Keras 建構 CNN
Chapter 6 應用預訓練模型
Chapter 7 常用的 Keras 功能
Part 2 應用篇
Chapter 8 使用 CAE 消除雜訊
Chapter 9 自動上色
Chapter 10 超高解析度成像
Chapter 11 轉換畫風
Chapter 12 影像生成
序
序
本書的目的是帶領大家「體驗」利用深度學習執行的影像處理。近年來，深度學習一時之間蔚為風潮，市面上已有不少將理論的部分說得非常清楚的書籍，要應用深度學習，無可避免地也需要建立紮實的理論基礎。
不過盡早掌握「原來深度學習還能做到這種事」、「深度學習只有這點程度嗎？」、「深度學習需要這麼多資料嗎？」、「參數的調整居然這麼費工」的感覺，應該也很重要不是嗎？
像工程師一般先接觸看看，執行並自訂相關的功能之後，再開始學習基礎理論，應該也是不錯的學習方式。
本書大致上分成兩大部分。
第一部分說明深度學習TensorFlow、Keras 的基礎，第二部分則說明如何撰寫影像處理應用的Keras 模型。第一部分僅限於在第二部分帶領大家「體驗」深度學習的知識，而非無所不包的解說。
第二部分介紹的是「消除雜訊」、「自動上色」、「超高解析度成像」、「轉換畫風」、「產生影像」等內容，所有的內容都與讓Autoencoder 構造發展的模型有關，所以不管是哪種模型，神經網路的構造都很相似。一個構造能支援多種任務，是深度學習的有趣之處，希望大家也能體會「不同的創意能開發出不同功能」的這種感覺。
此外，本書所有的範例檔與資料都是Jupyter Notebook 格式，可從出版社網站下載。請大家務必執行看看，親自體驗深度學習的奧祕。
本書的目的是帶領大家「體驗」利用深度學習執行的影像處理。近年來，深度學習一時之間蔚為風潮，市面上已有不少將理論的部分說得非常清楚的書籍，要應用深度學習，無可避免地也需要建立紮實的理論基礎。
不過盡早掌握「原來深度學習還能做到這種事」、「深度學習只有這點程度嗎？」、「深度學習需要這麼多資料嗎？」、「參數的調整居然這麼費工」的感覺，應該也很重要不是嗎？
像工程師一般先接觸看看，執行並自訂相關的功能之後，再開始學習基礎理論，應該也是不錯的學習方式。
本書大致上分成兩大部分。
第一部分說明深度學習TensorFlow、Keras 的基礎，第二部分則說明如何撰寫影像處理應用的Keras 模型。第一部分僅限於在第二部分帶領大家「體驗」深度學習的知識，而非無所不包的解說。
第二部分介紹的是「消除雜訊」、「自動上色」、「超高解析度成像」、「轉換畫風」、「產生影像」等內容，所有的內容都與讓Autoencoder 構造發展的模型有關，所以不管是哪種模型，神經網路的構造都很相似。一個構造能支援多種任務，是深度學習的有趣之處，希望大家也能體會「不同的創意能開發出不同功能」的這種感覺。
此外，本書所有的範例檔與資料都是Jupyter Notebook 格式，可從出版社網站下載。請大家務必執行看看，親自體驗深度學習的奧祕。
|
