本書有DRM加密保護,需使用HyRead閱讀軟體開啟

★用「關鍵字」掌握重點!
從AI工程師到相關行業的營業員
以及商務人士都能高效理解!
 
監督式學習

非監督式學習
強化學習
CNN
RNN
BERT
NLP
語料庫
Transformer
GPT-3
VAE
GAN
通用性能
圖像分割
線性迴歸模型
決策樹
隨機森林
XGBoost
邏輯迴歸模型
k-NN
k-means演算法
 
★最完整的AI通識入門寶典!
 
除了上述的AI關鍵字之外,還搭配大量圖表、範例深入淺出解說。
只要讀完這本書,就能全方位掌握AI的原理與應用方式!!
 
★和日本多位人工智慧專家
一起學習、認識AI!
 
從AlphaGo、Deepfake到ChatGPT,
AI與其相關技術已是現代人日漸仰賴的存在。
透過本書,我們便可高效習得和AI有關的知識,
並對未來的趨勢有更清晰的洞見。
 
本書特色
 
由多位日本AI專家共同執筆
一本就能掌握最完整的AI原理與應用
列表資料、圖像辨識、機器學習演算法X完整圖解介紹
豐富的圖表解析X專題實作

  • 書封
  • 第1章 什麼是AI
  • 01 AI的定義
  • 02 AI擅長與不擅長的領域
  • 03 AI的發展歷程
  • 04 什麼是機器學習
  • 05 什麼是深度學習
  • 06 機器學習與深度學習的差異
  • 第2章 AI的基礎知識
  • 07 機器學習與統計學
  • 08 相關性與因果關係
  • 09 機器學習與資料探勘
  • 10 什麼是監督式學習
  • 11 什麼是非監督式學習
  • 12 什麼是強化學習
  • 13 AI與大數據
  • 14 從資料種類看AI的特徵
  • 15 AI系統的開發流
  • 第3章 自然語言處理的方法和模型
  • 16 什麼是自然語言處理(NLP)
  • 17 NLP的模糊性與困難
  • 18 NLP的預處理
  • 19 語言模型與分散式表徵
  • 20 標注語料庫與雙語語料庫
  • 21 遞歸神經網路(RNN)
  • 22 Transformer
  • 23 BERT
  • 24 GPT-3
  • 第4章 以GAN為基礎的生成模型
  • 25 進軍創作領域的AI
  • 26 以生成模型為基礎的演算法
  • 27 用GAN生成圖像
  • 28 敵對攻擊與防禦
  • 29 GAN的未來發展
  • 第5章 圖像辨識的方法和模型
  • 30 圖像辨識的任務
  • 31 卷積神經網路(CNN)
  • 32 引爆圖像辨識發展的CNN
  • 33 CNN的精度與大小平衡
  • 34 訓練的技巧1
  • 35 訓練的技巧2
  • 36 深度學習的可解釋性
  • 37 圖像辨識的評價指標
  • 38 精度的評價指標與通用性能
  • 第6章 列表資料的機器學習演算法
  • 39 列表資料的預處理
  • 40 監督式學習1:線性迴歸模型
  • 41 監督式學習2:決策樹
  • 42 監督式學習3:隨機森林
  • 43 監督式學習4:XGBoost
  • 44 監督式學習5:邏輯迴歸模型
  • 45 監督式學習6:神經網路
  • 46 監督式學習7:k-NN(k-Nearest Neighbor)
  • 47 非監督式學習1[分群]:k-means法
  • 48 非監督式學習2[分群]:階層式分群
  • 49 非監督式學習3[分群]:譜分群
  • 50 非監督式學習4[降維]:PCA(主成分分析)
  • 51 非監督式學習5[降維]:UMAP
  • 52 非監督式學習6[降維]:矩陣分解
  • 53 非監督式學習7[降維]:自編碼機
  • 結語
  • 索引
  • 作者介紹
  • 版權頁
紙本書 NT$ 480
單本電子書
NT$ 336

還沒安裝 HyRead 3 嗎?馬上免費安裝~
QR Code