電腦視覺機器學習實務|建立端到端的影像機器學習

　　「本書全面介紹深度電腦視覺的最先進作法，在Keras中建構端到端生產系統，提供經過實戰檢驗的最佳實務解決方案。」
　　—François Chollet
　　深度學習研究者和Keras創造者

　　這本實用指南向您展示了如何使用機器學習模型從影像中淬取資訊。ML工程師和資料科學家將會學習經過驗證的ML技術來解決各種影像問題，包括分類、物件偵測、自編碼器、影像產生、計數和圖說產生。本書卓越的介紹了端到端深度學習：資料集建立、資料前置處理、模型設計、模型訓練、評估、部署和可解釋性。

　　Google工程師Valliappa Lakshmanan、Martin Görner和Ryan Gillard向您展示了如何開發準確且可解釋的電腦視覺ML模型，並使用強大的ML架構以靈活且可維護的方式將它們投入大規模生產。您將學習如何使用以TensorFlow和Keras編寫的模型進行設計、訓練、評估和預測。

　　您將學習如何：
　　‧為電腦視覺任務設計機器學習架構
　　‧選擇適合您的任務的模型(例如ResNet、SqueezeNet或EfficientNet)
　　‧建立端到端ML生產線來訓練、評估、部署和解釋您的模型
　　‧前置處理影像以進行資料擴增進行並支援可學習性
　　‧納入可解釋性和負責任的AI的最佳實務
　　‧將影像模型部署為Web服務或在邊緣設備上
　　‧監控和管理機器學習模型

作者簡介

Valliappa(Lak) Lakshmanan

　　是Google Cloud分析和人工智慧解決方案總監，所領導的團隊專為業務問題建構跨產業的解決方案

Martin Görner

　　是Keras/TensorFlow產品經理，專注於改善使用最先進模型時的開發人員體驗

Ryan Gillard

　　是Google Cloud Professional Services組織AI工程師，為各種產業建構ML模型，職業生涯始於醫院和醫療保健業的研究科學家