Deep Learning：用Python進行深度學習的基礎理論實作-FindBook 找書網 ISBN:9789864764846

型式

價格

供應商

所屬目錄

內容簡介

　　不走捷徑，幫助您真正搞懂「深度學習」的真義

　　這是一本與「深度學習」有關的書籍。從入門開始說明，一步一步帶領你瞭解深度學習必須具備的知識。本書可以幫助您了解：深度學習究竟是什麼？有何特色？根據何種原理來運作？

　　從零開始，由實做中學習

　　本書的目標是，盡量避免使用不瞭解內容的「黑盒子」，以基礎的知識為起點，以容易上手的Python撰寫程式，從動手實作的過程中，一步步深入瞭解深度學習。若以車用書籍來比喻這本書的話，這本書並不屬於汽車駕訓教材，而是希望能夠幫助您瞭解車子的原理，而非教您開車的方法。為了瞭解汽車的結構，必須試著打開車子的引擎蓋，將每個零件都拿起來觀察、操作看看。然後盡量用簡單的形狀，篩選出車子的核心部分，就像組合迷你模型般，製作出這台車子。本書的目標，就是透過製作車子的過程，讓你感受到自己實際可以製作出車子，進而熟悉與車子的相關技術。

本書特色：

　　．利用最少的外部函式庫，使用Python，從零開始實際執行深度學習的程式。
　　．說明Python 的用法，讓Python 的初學者也能理解。
　　．實際執行Python 的原始碼，同時提供讀者手邊可以進行實驗的學習環境。
　　．從簡單的機器學習問題開始，到最後執行精密辨識影像的系統。
　　．以淺顯易懂的方式說明深度學習與神經網路理論。
　　．針對看似複雜的技術，如誤差反向傳播與卷積運算等，利用實際操作方式說明，幫助理解。
　　．介紹在執行深度學習時，有幫助且實用的技巧，包括決定學習率的方法、權重的預設值等。
　　．說明Batch Normalization、Dropout、Adam 等最近的趨勢與操作。
　　．為什麼深度學習很優秀，為什麼加深層數，就能提高辨識準確度，為什麼隱藏層很重要，仔細說明這些「為什麼」。
　　．介紹自動運作、產生影像、強化學習等深度學習的應用範例。

作者介紹

作者簡介

斎藤康毅

　　1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。

序

序

　　科幻電影中的世界，現在儼然已成為現實。例如，人工智慧奪得象棋、西洋棋的冠軍，最近甚至得到圍棋的勝利。智慧型手機也能瞭解人類的語言，在視訊通訊中，進行即時「機器口譯」。內建了相機的「防撞汽車」，讓我們看到保護人類生命，汽車自動駕駛實用化的可能性。環顧我們生活周遭，原以為只有人類才能執行的操作，人工智慧不僅能完美做到，甚至還可能凌駕人類之上。我們的世界隨著人工智慧的發展，將進入一個全新的境界。

　　這項驚人發展的背後，「深度學習」這項技術其實是功不可沒的幕後功臣。全球的研究人員把深度學習視為創新技術，有些人甚至盛讚它為數十年來首度的突破性進展。事實上，深度學習這個新名詞，不僅研究學者、技術人員，就連一般人也略知一二，在新聞、雜誌上都有介紹，頗受矚目。

　　這本書就是以深受各方關注的「深度學習」為主題所撰寫而成。主要的目的是，盡可能讓你深入（「Deep」）瞭解深度學習的相關技術。因此，本書的概念是「從零開始製作」。

　　這本書的特色是透過「製作」的過程，發掘深度學習的本質。在執行深度學習程式的過程，徹底（盡可能）說明必要的技術。此外，還提供實際執行的程式，讓讀者可以自行進行各種實驗。

　　要製作深度學習，需要通過許多磨練，還得花費不少時間，卻能因此獲益良多，也一定會有許多發現。所謂的製作，是開心而且令人雀躍的事情。希望透過本書的「製作」過程，讓你熟悉深度學習使用的技術，（可能的話）從中感受到樂趣。

　　深度學習已經實際在世界上的各個場所中運作著。現在人手一支的智慧型手機，也包含了深度學習。自動駕駛的汽車，提供網站服的伺服器，都有深度學習的存在。在多數人沒有發覺的角落，深度學習正默默地持續舞動著。今後，深度學習之舞，應該會變得更多采多姿。希望藉由這本書，讓你瞭解與深度學習有關的技術。

看更多

詳細資料

ISBN：9789864764846
規格：平裝 / 284頁 / 17 x 23 cm / 普通級 / 單色印刷 / 初版
出版地：台灣

本書撰寫層次清楚、明瞭，由淺入深、循序漸進，是非常適合初學者探索 "Deep Learning" 的入門圖書。本書作者齊藤康毅採用結合Python 運算式詳細解說、淺顯易懂。對於初接觸者在認知"感知器與神經網路"，描述深入且易懂。對於數學算式基礎不強的人，也很容易理解。特別是CH.7 解說 CNN (Convolutional Neuro Network) 的物理精神與原理架構清楚明瞭。是一本值得推薦給初學者的好書。

剛看完此書。此書適合毫無深度學習背景或觀念的初學者閱讀，數學部分也需要微分、矩陣運算、統計等基本能力。程式的部分只是針對內容進行說明和結果證明，並沒有真正的應用(例如：影像判讀)。所以，可以很快地獲得與建構深度學習的基礎知識與基本觀念，程式大略看過即可，重點大概就是在方法上的學習，實作部分確實比較缺乏。

我覺得這本書很適合入門者，它不會直接給你一個陡峭的山壁來要你去爬，而是一層一層地鋪上，由簡單到進階。雖然看這本書可能沒辦法直接做深度學習的實際應用，但是一旦知道了後面的理論之後，我覺得再來套框架都會很有感覺。不過有些地方的確沒辦法一看就理解，可能需要經過細心咀嚼之後，才會知道為什麼要這樣做。不過在看這本書之前，建議要會python以及一些基本的數學運算(如:微分、矩陣、統計等)

先說優點吧，這本書的程式都沒有用到keras, tensorflow等高階函式，而是從底層的運算開始，這對需要全觀了解深度學習的人是非常好的練習，這本講得詳細、也含括許多內容。但我不知道是作者的用詞還是譯者的關係，很多解釋我覺得都解釋得很模糊也不精準，不知道為什麼這裡的梯度的方向被解釋為函數值減少最多的方向，還有SGD被翻成準確率梯度下降法???

這本書非常適合入門，它讓我在短時間內了解深度學習的基本概念，值得注意的是它沒有提到tensorflow，而裡面的python程式碼只具有「模擬」作用，其功能是輔助你看懂理論而已，也就是說看完這本書你可能無法具有讓電腦辨識圖片的實作能力，這方面就要去看其他書但是他理論的部分講得深入淺出，而且很紮實，這對像我這樣的新手來說是很棒的一件事

這本書讓我對神經網路從懵懵懂懂的狀態到漸漸明朗除了附錄還沒看其他都有閱讀當然有些地方沒辦法在第一次看就非常明白但搭配佛心的原始碼看，就會懂很多很慶幸有這本書的存在此外，給其他人的建議是，有python基本的知識應該就可以開始念這本了不用害怕自己程度不夠讀起這本書應該會覺得很親切不過我念這本書之前是有先看過coursera Andrew的課假如搭配Andrew的課(或是其他厲害的講者的影片) 應該會覺得本書更好懂

從網路上，可以找到大量的deep learning相關說明與程式，但總是「知其然，不知其所以然。」本書讓半路出家的人，在完成訓練成果之餘，能充實deep learning基礎理論，深入瞭解每個動作的意義。