-
完全圖解人工智慧:零基礎也OK!從NLP、圖像辨識到生成模型, 現代人必修的53堂AI課
-
點閱:432
21人已收藏
- 作者: 高橋海渡, 立川裕之, 小西功記, 小林寬子 , 石井大輔 著 , 陳識中譯
- 出版社:台灣東販股份有限公司
- 出版年:2024
- ISBN:9786263791848
- EISBN:9786263792418 EPUB
- 格式:EPUB 版式
★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
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
同分類熱門書