CH1 人工智慧概論
1-1 人工智慧的興起
1-2 機器學習(Machine Learning ,ML)概述
1-3 深度學習(Deep Learning ,DL)
1-4 人工智慧應用領域
CH2 Tensorflow環境安裝與介紹
2-1 Tensorflow 簡介
2-2 Keras 簡介
2-3 開發環境安裝
CH3 常用工具介紹
3-1 NumPy 介紹
3-2 Matplotlib 介紹
3-3 Pandas 介紹
CH4 張量的基礎與進階應用
4-1 張量(tensor)介紹
4-2 數據類型介紹
4-3 張量的各種運算
CH5 類神經網路
5-1 類神經網路(Neural Network, NN)簡介
5-2 激勵函數(Activation Function)介紹
5-3 神經網路(多層感知機 Multilayer perceptron, MLP)
5-4 網路參數的優化
5-5 神經網路訓練實例(MNIST 手寫數字辨識)
5-6 使用keras 模組實現神經網路訓練(Fashion MNIST 識別)
5-7 網路的保存與載入
CH6 神經網路的優化與調教
6-1 過擬合(overfitting)與欠擬合(underfitting)問題
6-2 數據集劃分
6-3 提前停止(Early stopping)
6-4 設定模型層數對
6-5 使用Dropout
6-6 使用正則化(regularization)
6-7 數據增強(Data Augmentation)
CH7 卷積神經網路
7-1 淺談卷積神經(Convolutional Neural Network)網路
7-2 卷積層(Convolution Layer)
7-3 池化層(Pooling Layer)
7-4 Flatten(展平)與Dense(全連接)層
7-5 卷積神經網路實作(LeNet-5 實作)
7-6 常見卷積神經網路(一)－AlexNet 網路
7-7 常見卷積神經網路(二)－VGG 網路
7-8 常見卷積神經網路(三)－GoogLeNet 網路
7-9 常見卷積神經網路(四)－ResNet 網路
7-10 常見卷積神經網路(五)－DenseNet 網路
CH8 循環神經網路
8-1 淺談循環神經網路
8-2 循環神經網路(Recurrent Neural Network)
8-3 循環神經網路(RNN)的梯度消失與爆炸
8-4 長短期記憶(Long Short-Term Memory, LSTM)
8-5 門控循環單元(Gate Recurrent Unit, GRU)
| FindBook |
有 5 項符合
深度學習－使用TensorFlow 2.x的圖書 |
| 圖書選購 |
| 型式 | 價格 | 供應商 | 所屬目錄 | $ 540 |
 全華網路書店 |
資訊 |
$ 540 |
 誠品網路書店 |
電腦資訊總論 |
$ 570 |
 TAAZE 讀冊生活 |
中文書 |
$ 570 |
 iRead灰熊愛讀書 |
高等教育 |
$ 600 |
 金石堂 |
工程學群 |
|---|
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：TAAZE 讀冊生活 評分：
圖書名稱：深度學習－使用TensorFlow 2.x
1.由淺入深的神經網路介紹：
本書從最基本的深度神經網路架構敘述，接著介紹各種卷積神經網路，並利用Python語法完成各模型的架設。
2.使用最新的Tensorflow 2.x 版本：
本書使用Tensorflow 2.x 框架來演練多種的神經網路模型，並在利用簡短的程式範例讓讀者了解網路模型。
3.配合常見的訓練資料庫訓練：
本書使用常見的資料庫，讓網路訓練的過程中更加貼近日常生活。
4.圖表分析：
在書中藉由大量的2D、3D的圖表分析，讓使用者清楚瞭解網路訓練情況。
5.提供大量的網路論文模型與名稱：
書中介紹的網路模型大多來自於頂尖的會議論文，除了有詳細的模型解說外，還提供相對的論文名稱，讓讀者更深入的研讀學習。
深度學習是人工智慧(AI)中發展最快速的領域之一，其主要原因是因為深度學習技術模擬了人類大腦的神經網路運作。近年來由於圖形處理器(GPU)的興起，改善了電腦的運算速度，因此各式各樣的神經網路一一出現，而這些神經網路也被應用在我們常用的一些應用產品，例如：文字辨識、語音辨識、垃圾郵件過濾、翻譯等。書中先講述AI概論、Tensorflow的安裝、張量的基礎應用到進階應用，讓讀者能夠先掌握Tensorflow，接著經由Tensorflow來講述深度學習的各種實作項目，如類神經網路、神經網路的優化與調教、卷積神經網路及循環神經網路，藉此能夠將Tensorflow活用，並且對深度學習有更進一步的認識。
本書適用於大學、科大資工、電機、電子系「深度學習」(且使用TensorFlow 2.x)課程使用。
目錄
CH1 人工智慧概論
1-1 人工智慧的興起
1-2 機器學習(Machine Learning ,ML)概述
1-3 深度學習(Deep Learning ,DL)
1-4 人工智慧應用領域
CH2 Tensorflow環境安裝與介紹
2-1 Tensorflow 簡介
2-2 Keras 簡介
2-3 開發環境安裝
CH3 常用工具介紹
3-1 NumPy 介紹
3-2 Matplotlib 介紹
3-3 Pandas 介紹
CH4 張量的基礎與進階應用
4-1 張量(tensor)介紹
4-2 數據類型介紹
4-3 張量的各種運算
CH5 類神經網路
5-1 類神經網路(Neural Network, NN)簡介
5-2 激勵函數(Activation Function)介紹
5-3 神經網路(多層感知機 Multilayer perceptron, ML...
1-1 人工智慧的興起
1-2 機器學習(Machine Learning ,ML)概述
1-3 深度學習(Deep Learning ,DL)
1-4 人工智慧應用領域
CH2 Tensorflow環境安裝與介紹
2-1 Tensorflow 簡介
2-2 Keras 簡介
2-3 開發環境安裝
CH3 常用工具介紹
3-1 NumPy 介紹
3-2 Matplotlib 介紹
3-3 Pandas 介紹
CH4 張量的基礎與進階應用
4-1 張量(tensor)介紹
4-2 數據類型介紹
4-3 張量的各種運算
CH5 類神經網路
5-1 類神經網路(Neural Network, NN)簡介
5-2 激勵函數(Activation Function)介紹
5-3 神經網路(多層感知機 Multilayer perceptron, ML...
顯示全部內容
|
