客服公告:反詐騙!提醒您「不碰ATM、網銀,不說信用卡資料」詳情

  • 防疫專區
  • 電子票券
  • 每日簽到
  • 今日66折
  • 天天BUY
曬書專門店

AutoML 自動化機器學習:用 AutoKeras 超輕鬆打造高效能 AI 模型

Automated Machine Learning with AutoKeras: Deep learning made accessible for everyone with just few lines of coding

  • 定價:690
  • 優惠價:79545
  • 優惠期限:2022年06月30日止
  • 使用購物金最高可抵100詳情
  • 運送方式:
  • 臺灣與離島
  • 海外
  • 可配送點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
  • 可取貨點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
  • 台北、新北、基隆宅配快速到貨(除外地區)
載入中...
  • 分享
 

內容簡介

  有了三個臭皮匠,何必每次堅持找個諸葛亮?
 
  任何人都能運用深度學習(DL)嗎?AutoML(自動化機器學習)已經遍地開花,各大企業諸如 Google、Microsoft、Amazon、IBM、SAS 等都推出了自己的 AutoML 服務,讓使用者不必具備專業領域知識,也能快速打造出自己的 AI 模型。換言之,AutoML 徹底降低了 「AI 落地」的門檻。
 
  AutoML不能取代資料科學家,卻能大大省下你試驗機器學習模型的時間與痛苦。當你的朋友還在興致沖沖算數學時,你說不定早就端出了可投入實用的高效能模型。
 
  而什麼是 AutoKeras?這是一套完全開源的 Python AutoML 套件,以 Tensorflow 2 為基礎、運用創新的『高效神經網路架構搜尋』(ENAS)來實現自動化建模。AutoKeras 對於影像、文字、時間序列或一般結構化資料的預測都提供了內建類別,甚至會加上資料預處理功能,使你只需用短短幾行程式碼便能打造出成效優異的 DL 模型,還不必接觸高深的數學。
 
  就連經驗豐富的專家也能受惠:利用 AutoKeras 快速產生候選模型,好做為進一步改良的參考,並將更多寶貴的時間投注在資料清洗與特徵工程上。
 
  從此向困難、令人困惑的建模過程說拜拜,跨入深度學習的門檻從未如此之低;有了 AutoKeras,任何人都能駕馭 AI 的威力來解決真實世界的問題。 
 
本書特色
 
  ★ 免懂數學免瞎忙!不必再被迫學數學,就能輕鬆將 AI 運用在真實世界
  ★ 什麼是神經網路和深度學習?何謂 CNN 與 RNN?用淺顯易懂的方式理解其運作原理
  ★ 只要寫短短幾行 Python 程式,就能打造出強效深度學習模型,省時省力又好用
  ★ 無須透過複雜的 Keras API 就能使用諸如 ResNet、Xception、EfficientNet、Transformer、BERT、LStM、GRU 等知名模型架構
  ★ 提供了使用真實資料集的豐富實作範例,從圖像、文字、時間序列到一般結構化資料的預測一應俱全
  ★ 運用內建的 AutoModel 類別針對多模態 (multi-model) 資料建立多任務 (multi-task) 自訂模型
  ★ 利用 TensorBoard 或 ClearML 將你的模型訓練過程圖形化,更容易比較訓練成效和分享
  ★ 附 notebook/py 範例程式、Google Colab 及本機安裝教學,包括如何安裝 CUDA GPU 支援
  ★ 加值贈送:運用 2021 年新推出的輕量級 AutoML 套件 Flaml 來預測結構化資料!
 

作者介紹

作者簡介
 
Luis Sobrecueva
 
  Luis Sobrecueva 是有二十年資歷的軟體工程師,目前任職於西班牙叫車服務公司 Cabify,並致力於參與 OpenAI 及 AutoKeras 等機器學習/深度學習開源專案的開發。
 
 

目錄

AutoKeras 基礎篇
 
Chapter 1 AutoML 入門
  1-1 標準 ML 工作流程的深度剖析
  1-2 什麼是 AutoML?
  1-3 AutoML 的種類
  1-4 AutoML 工具
  1-5 總結
 
Chapter 2 開始使用 AutoKeras ──第一個自動化 DL 範例
  2-1 什麼是深度學習?
  2-2 什麼是神經網路?它如何學習?
  2-3 深度學習模型如何學習?
  2-4 為何選擇 AutoKeras?
  2-5 安裝AutoKeras
  2-6 Hello MNIST:執行我們的第一個 AutoKeras 實驗──建立圖像分類器
  2-7 建置圖像迴歸器
  2-8 總結
 
Chapter 3 了解 AutoKeras 對於自動化 DL 流程的資料預處理
  3-1 了解張量 (tensors)
  3-2 準備可以傳入深度學習模型的資料
  3-3 切割資料集以用於訓練及評估.
  3-4 總結
 
AutoKeras 實踐篇
 
Chapter 4 運用 AutoKeras 進行圖像的分類與迴歸
  4-1 理解卷積神經網路 (CNN)
  4-2 CNN 與傳統神經網路的差異
  4-3 建立 CIFAR-10 圖像分類器
  4-4 自訂模型架構
  4-5 建立可推斷人物年齡的圖像迴歸模型
  4-6 總結
 
Chapter 5 運用 AutoKeras 進行文本、情感、主題的分類與迴歸
  5-1 文本資料處理
  5-2 不同網路層用於文本資料處理的差異
  5-3 打造垃圾信件偵測器
  5-4 用電影評論來預測評分
  5-5 理解情感分析 (sentiment analysis)
  5-6 理解主題分類
  5-7 根據網路文章判定討論群組類型
  5-8 總結
 
Chapter 6 運用 AutoKeras 進行結構化資料的分類與迴歸
  6-1 理解結構化資料
  6-2 打造結構化分類器預測船難生還者
  6-3 打造結構化分類器預測信用卡詐欺
  6-4 處理分類不平均的資料集
  6-5 打造結構化迴歸器預測房價
  6-6 打造結構化迴歸器預測共享單車租用人次
  6-7 總結
 
Chapter 7 運用 AutoKeras 進行時間序列預測
  7-1 理解 RNN 的改良版
  7-2 單變量時間序列:氣溫預測
  7-3 多變量時間序列資料預測
  7-4 總結
 
AutoKeras 進階篇
 
Chapter 8 自訂 AutoModel 複合模型並處理多重任務
  8-1 理解多模態 (multi-model) 資料與多任務 (multi-task) 模型
  8-2 打造使用多模態資料的多任務模型
  8-3 打造能同時預測電影評分與情感的預測器
  8-4 打造能用兩種 CNN 網路模型預測分類的預測器
  8-5 總結
 
Chapter 9  AutoKeras 模型的匯出與訓練過程視覺化
  9-1 匯出、儲存並重新載入你的模型
  9-2 使用 TensorBoard將模型訓練過程視覺化
  9-3 使用 TensorBoard.dev 來對外分享模型訓練過程
  9-4 使用 ClearML 來視覺化並分享模型訓練過程
  9-5 總結
 
Bonus (電子書) 運用輕量級 AutoML 套件 Flaml 於結構化資料預測任務
  A-1 Flaml 分類器
  A-2 Flaml 迴歸器
  A-3 自訂訓練演算法、指標並保存模型
 

詳細資料

  • ISBN:9789863126973
  • 規格:平裝 / 400頁 / 17 x 23 x 2.4 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣

最近瀏覽商品

 

相關活動

  • 《NFT造富之鑰》+《區塊鏈與元宇宙》雙書合購75折
 

購物說明

若您具有法人身份為常態性且大量購書者,或有特殊作業需求,建議您可洽詢「企業採購」。 

退換貨說明 

會員所購買的商品均享有到貨十天的猶豫期(含例假日)。退回之商品必須於猶豫期內寄回。 

辦理退換貨時,商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性,切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者,恐將影響退貨權益或需負擔部分費用。 

訂購本商品前請務必詳閱商品退換貨原則 

  • 聯經暢銷展
  • 家人這種病

訂閱電子報

想獲得最新商品資訊,請訂閱免費電子報