PDF JPG
本書有DRM加密保護,需使用HyRead閱讀軟體開啟
租期14天 今日租書可閱讀至2025-07-06

★☆★深度學習暢銷好書2025全新改版★☆★
  本書專為想掌握深度學習核心概念卻不希望陷入繁瑣數學推導的讀者而設計,以「以程式設計取代定理證明」為宗旨,透過實作引導理解,縮短學習曲線,提升學習趣味與成就感。

  內容著重於演算法的觀念理解,輔以大量圖解說明,捨棄冗長的理論鋪陳,讓讀者能夠輕鬆掌握深度學習的核心原理。全書提供完整範例程式與多種演算法的實務應用,強調實用性與延伸性,期盼能激發讀者靈感,將所學應用於實際專案或產品開發中。

  本次改版翻修實作的範例程式,並新增更多應用實例及演算法說明,例如Transformer、Diffusion Model等。

  《深度學習最佳入門與專題實戰:理論基礎與影像篇》內容包括:深度學習導論、神經網路原理、TensorFlow 基礎操作、物件偵測、生成式 AI、生成對抗網路、擴散模型等,全面涵蓋深度學習的基礎知識與影像應用領域。

  適合讀者
  ►深度學習的入門者:必須熟悉Python 程式語言及機器學習基本概念。
  ►資料工程師:以應用系統開發為職志,希望能應用各種演算法,進行實作。
  ►資訊工作者:希望能擴展深度學習知識領域。
  ►從事其他領域的工作,希望能一窺深度學習奧秘者。
 
 

作者簡介

陳昭明

  曾任職於IBM、工研院等全球知名企業

  IT邦幫忙2018年AI組冠軍
  多年AI課程講授經驗
  • 第一篇 深度學習導論(第xiii頁)
    • 第1章 深度學習(Deep Learning)導論(第1-1頁)
    • 第2章 神經網路(NeuralNetwork)原理(第2-1頁)
  • 第二篇 TensorFlow 基礎篇(第2-121頁)
    • 第3章 TensorFlow 架構與主要功能(第3-1頁)
    • 第4章 神經網路實作(第4-1頁)
    • 第5章 TensorFlow常用指令與功能(第5-1頁)
    • 第6章 卷積神經網路(Convolutional Neural Network)(第6-1頁)
    • 第7章 預先訓練的模型(Pre-trained Model)(第7-1頁)
  • 第三篇 進階的影像應用(第7-27頁)
    • 第8章 物件偵測(Object Detection)(第8-1頁)
    • 第9章 生成式 AI(Generative AI)(第9-1頁)
    • 第10章 生成對抗網路(GAN)(第10-1頁)
    • 第11章 擴散模型(Diffusion Model)(第11-1頁)
    • 第12章 其他影像應用(第12-1頁)
紙本書 NT$ 980
單本電子書
NT$ 686

點數租閱 20點
租期14天
今日租書可閱讀至2025-07-06
還沒安裝 HyRead 3 嗎?馬上免費安裝~
QR Code