國內外最具代表性案例，9大專題實戰、15個分類實例
Google Colab、Microsoft Azure兩大雲端應用，人臉辨識、自然語言、
文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練，
從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！
資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。
在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。
程式人、工程師挑戰人工智慧最佳學習地圖
由類神經網路基礎到AI應用實戰
訓練、模型、預測、辨識、分析與驗證
全面深入機器學習與深度學習技術核心
■打造專屬Python、TensorFlow與Keras最強開發環境。
■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。
■整合最夯的人工智慧雲端開發平台：Google Colab，應用雲端提供的充沛資源，全面提升運算效能。
■加碼最新的機器學習雲端應用平台：Microsoft Azure，連結功能強大、方向多元的Web API，豐富專業應用領域。
■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。
■全面深入不同應用面向：
印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測…
■網羅國內外最具代表性案例：
手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。
■一次領略機器學習與深度學習的重要關鍵話題：
TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Colab、Azure、Cognitive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、SQLite、SQLite Database Browser、Haar…
■針對專案實戰提供關鍵影音輔助教學，加速學習效率。
超值學習資源：120分鐘關鍵影音教學/範例程式檔/一探演算法雲端寶庫：Algorithmia教學PDF
感謝讀者好評
“很棒的書，我完全沒有深度學習和機器學習的任何知識，只有Python的基礎知識，也覺得書中的說明很快就讓我了解了。” --abedul
“此書把繁雜的演算法理論以圖像化的方式呈現，可以幫助我們快速了解深度學習的核心概念，讓學習門檻降低許多，而且還提供了很多實用的實作範例，是一本入門深度學習的好書…” --Victor
在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。
程式人、工程師挑戰人工智慧最佳學習地圖
由類神經網路基礎到AI應用實戰
訓練、模型、預測、辨識、分析與驗證
全面深入機器學習與深度學習技術核心
■打造專屬Python、TensorFlow與Keras最強開發環境。
■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。
■整合最夯的人工智慧雲端開發平台：Google Colab，應用雲端提供的充沛資源，全面提升運算效能。
■加碼最新的機器學習雲端應用平台：Microsoft Azure，連結功能強大、方向多元的Web API，豐富專業應用領域。
■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。
■全面深入不同應用面向：
印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測…
■網羅國內外最具代表性案例：
手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。
■一次領略機器學習與深度學習的重要關鍵話題：
TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Colab、Azure、Cognitive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、SQLite、SQLite Database Browser、Haar…
■針對專案實戰提供關鍵影音輔助教學，加速學習效率。
超值學習資源：120分鐘關鍵影音教學/範例程式檔/一探演算法雲端寶庫：Algorithmia教學PDF
感謝讀者好評
“很棒的書，我完全沒有深度學習和機器學習的任何知識，只有Python的基礎知識，也覺得書中的說明很快就讓我了解了。” --abedul
“此書把繁雜的演算法理論以圖像化的方式呈現，可以幫助我們快速了解深度學習的核心概念，讓學習門檻降低許多，而且還提供了很多實用的實作範例，是一本入門深度學習的好書…” --Victor
- Chapter 01 打造開發環境：TensorFlow 和 Keras(第1-1頁)
- 1.1 人工智慧、機器學習和深度學習的關係(第1-2頁)
- 1.2 什麼是機器學習？(第1-4頁)
- 1.3 什麼是深度學習？(第1-6頁)
- 1.4 TensorFlow 與 Keras(第1-7頁)
- 1.5 建置 Anaconda 開發環境(第1-9頁)
- 1.6 TensorFlow 及 Keras 的安裝(第1-15頁)
- 1.7 設定 TensorFlow 的 GPU 支援(第1-16頁)
- Chapter 02 機器學習起點：多層感知器 (MLP)(第2-1頁)
- 2.1 認識多層感知器 (MLP)(第2-2頁)
- 2.2 認識 MNIST 資料集(第2-7頁)
- 2.3 多層感知器模型資料預處理(第2-11頁)
- 2.4 多層感知器實戰：MNIST 手寫數字圖片辨識(第2-13頁)
- 2.5 模型儲存和載入(第2-22頁)
- 2.6 模型權重的儲存和載入(第2-26頁)
- 2.7 建立多個隱藏層(第2-29頁)
- Chapter 03 影像識別神器：卷積神經網絡 (CNN)(第3-1頁)
- 3.1 卷積神經網路 (CNN) 基本結構(第3-2頁)
- 3.2 認識 Kaggle Cats and Dogs Dataset 資料集(第3-5頁)
- 3.3 卷積神經網路實戰：貓狗圖片辨識(第3-11頁)
- 3.4 模型權重的儲存和載入(第3-22頁)
- Chapter 04 自然語言處理利器：循環神經網路 (RNN)(第4-1頁)
- 4.1 循環神經網路 (RNN) 基本結構(第4-2頁)
- 4.2 認識外幣匯率查詢資料集(第4-5頁)
- 4.3 循環神經網路外幣匯率預測(第4-8頁)
- 4.4 模型權重的儲存和載入(第4-18頁)
- 4.5 長短期記憶 (LSTM)(第4-21頁)
- Chapter 05 機器學習雲端開發工具：Google Colab(第5-1頁)
- 5.1 Colab：功能強大的虛擬機器(第5-2頁)
- 5.2 在 Colab 中進行機器學習(第5-14頁)
- Chapter 06 體驗機器學習雲端平台：Microsoft Azure(第6-1頁)
- 6.1 專題方向(第6-2頁)
- 6.2 電腦視覺資源(第6-3頁)
- 6.3 臉部辨識資源(第6-17頁)
- 6.4 文字語言翻譯資源(第6-23頁)
- Chapter 07 臉部辨識登入系統：Azure 臉部辨識應用(第7-1頁)
- 7.1 專題方向(第7-2頁)
- 7.2 Azure 臉部客戶端程式庫(第7-3頁)
- 7.3 刷臉登入系統(第7-18頁)
- Chapter 08 自然語言處理：文字雲與文章自動摘要(第8-1頁)
- 8.1 專題方向(第8-2頁)
- 8.2 Jieba 模組(第8-3頁)
- 8.3 文字雲(第8-11頁)
- 8.4 文章自動摘要(第8-20頁)
- Chapter 09 語音辨識應用：YouTube 影片加上字幕(第9-1頁)
- 9.1 專題方向(第9-2頁)
- 9.2 語音辨識(第9-3頁)
- 9.3 影片字幕製作軟體：Aegisub(第9-11頁)
- Chapter 10 投資預測實證：股票分析(第10-1頁)
- 10.1 專題方向(第10-2頁)
- 10.2 台灣股市資訊模組：twstock(第10-3頁)
- 10.3 股票分析(第10-7頁)
- 10.4 股票預測(第10-16頁)
- Chapter 11 自動標示物件：用 Haar 特徵分類器擷取車牌(第11-1頁)
- 11.1 專題方向(第11-2頁)
- 11.2 準備訓練 Haar 特徵分類器資料(第11-3頁)
- 11.3 建立車牌號碼 Haar 特徵分類器模型(第11-9頁)
- 11.4 使用 Haar 特徵分類器模型(第11-23頁)
- Chapter 12 無所遁形術：即時車牌影像辨識(第12-1頁)
- 12.1 專題方向(第12-2頁)
- 12.2 車牌號碼機器學習訓練資料(第12-3頁)
- 12.3 建立車牌辨識系統(第12-16頁)
紙本書 NT$ 520
單本電子書
NT$
520
同分類熱門書
PDF
PDF
PDF
PDF
PDF
PDF
