客服公告:反詐騙!提醒您「不碰ATM、網銀,不說信用卡資料」詳情

  • 超級金頭腦
  • 電子票券
  • 每日簽到
  • 今日66折
  • 天天BUY
國小參考書

開發者傳授PyTorch秘笈

  • 定價:1200
  • 優惠價:79948
  • 優惠期限:2022年09月11日止
折價券 領取折價券
  • 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

~ 2022 開發者唯一指定 PyTorch 祕笈!~
深度學習【必備數學與統計原理】✕【圖表說明】✕【PyTorch 實際應用】

  ★ 作者品質保證 ★
  經過眾多專家與學者試閱昭明老師著作皆給【5 顆星】滿分評價!

  ~ 從基礎理解到 PyTorch 獨立開發,一氣呵成 ~
  本書專為 AI 開發者奠定扎實基礎,從數學統計 ► 自動微分 ► 梯度下降 ► 神經層,由淺入深介紹深度學習的原理,並透過大量 PyTorch 框架應用實作各種演算法:

  ● CNN (卷積神經網路)
  ● YOLO (物件偵測)
  ● GAN (生成對抗網路)
  ● DeepFake (深度偽造)
  ● OCR (光學文字辨識)
  ● ANPR (車牌辨識)
  ● ASR (自動語音辨識)
  ● BERT / Transformer
  ● 臉部辨識
  ● Knowledge Graph (知識圖譜)
  ● NLP (自然語言處理)
  ● ChatBot
  ● RL (強化學習)
  ● XAI (可解釋的 AI)

本書特色

  入門深度學習、實作各種演算法最佳教材!
  ★以【統計/數學】為出發點,介紹深度學習必備的數理基礎
  ★以【程式設計取代定理證明】,讓離開校園已久的在職者不會看到一堆數學符號就心生恐懼,縮短學習歷程,增進學習樂趣
  ★摒棄長篇大論,輔以【大量圖表說明】介紹各種演算法
  ★【完整的範例程式】及【各種演算法的延伸應用】!直接可在實際場域應用。
  ★介紹日益普及的【演算法與相關套件】的使用
  ★介紹 PyTorch 最新版本功能
  ★與另一本姊妹作《深度學習–最佳入門邁向 AI 專題實戰》搭配,可同時學會 PyTorch 與 TensorFlow
 
 

作者介紹

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

 
 

目錄

第一篇/深度學習導論
1 深度學習 (Deep Learning) 導論
1-1人工智慧的三波浪潮
1-2 AI的學習地圖
1-3 TensorFlow vs. PyTorch
1-4機器學習開發流程
1-5開發環境安裝
1-6 免費雲端環境開通
 
2 神經網路 (Neural Network) 原理
2-1必備的數學與統計知識
2-2萬般皆自『迴歸』起
2-3神經網路
 
第二篇/PyTorch 基礎篇
3 PyTorch 學習路徑與主要功能
3-1 PyTorch學習路徑
3-2張量運算
3-3自動微分(Automatic Differentiation)
3-4 神經層(Neural Network Layer)
3-5 總結
 
4 神經網路實作
4-1撰寫第一支神經網路程式
4-2  模型種類
4-3 神經層(Layer)
4-4 激勵函數(Activation Functions)
4-5  損失函數(Loss Functions)
4-6  優化器(Optimizer)
4-7  效能衡量指標(Performance Metrics)
4-8  超參數調校(Hyperparameter Tuning)
 
5 PyTorch 進階功能
5-1  資料集(Dataset)及資料載入器(DataLoader)
5-2 TensorBoard
5-3 模型佈署(Deploy)與TorchServe
 
6 卷積神經網路 (Convolutional Neural Network)
6-1卷積神經網路簡介
6-2卷積(Convolution)
6-3各式卷積
6-4池化層(Pooling Layer)
6-5  CNN模型實作
6-6  影像資料增補(Data Augmentation)
6-7  可解釋的AI(eXplainable AI, XAI)
 
7 預先訓練的模型 (Pre-trained Model)
7-1  預先訓練模型的簡介
7-2 採用完整的模型
7-3 採用部分模型
7-4 轉移學習(Transfer Learning)
7-5  Batch Normalization說明
 
第三篇/進階的影像應用
8 物件偵測 (Object Detection)
8-1 圖像辨識模型的發展
8-2 滑動視窗(Sliding Window)
8-3 方向梯度直方圖(HOG)
8-4 R-CNN物件偵測
8-5  R-CNN改良
8-6 YOLO演算法簡介
8-7 YOLO測試
8-8 YOLO環境建置
8-9 YOLO模型訓練
8-10 YOLOv5模型訓練
8-11 SSD演算法
8-12 物件偵測的效能衡量指標
8-13 總結
 
9 進階的影像應用
9-1  語義分割(Semantic Segmentation)介紹
9-2  自動編碼器(AutoEncoder)
9-3 語義分割(Semantic segmentation)實作
9-4 實例分割(Instance Segmentation)
9-5 風格轉換(Style Transfer) --人人都可以是畢卡索
9-6 臉部辨識(Facial Recognition)
9-7 光學文字辨識(OCR)
9-8 車牌辨識(ANPR)
9-9 卷積神經網路的缺點
 
10 生成對抗網路 (GAN)
10-1 生成對抗網路介紹
10-2 生成對抗網路種類
10-3 DCGAN
10-4 Progressive GAN
10-5 Conditional GAN
10-6 Pix2Pix
10-7 CycleGAN
10-8 GAN挑戰
10-9 深度偽造(Deepfake)
 
第四篇/自然語言處理
11 自然語言處理的介紹
11-1 詞袋(BOW)與TF-IDF
11-2 詞彙前置處理
11-3 詞向量(Word2Vec)
11-4 GloVe模型
11-5 中文處理
11-6 spaCy套件
 
12 自然語言處理的演算法
12-1 循環神經網路(RNN)
12-2 PyTorch 內建文本資料集
12-3 長短期記憶網路(LSTM)
12-4自訂資料集
12-5 時間序列預測
12-6 Gate Recurrent Unit (GRU)
12-7 股價預測
12-8 注意力機制(Attention Mechanism)
12-9 Transformer架構
12-10 BERT
12-11 Transformers套件
12-12 總結
 
13 聊天機器人 (ChatBot)
13-1 ChatBot類別
13-2 ChatBot設計
13-3 ChatBot實作
13-4 ChatBot工具套件
13-5 Dialogflow實作
13-6 結語
 
14 語音辨識
14-1語音基本認識
14-2語音前置處理
14-3 PyTorch語音前置處理
14-4 PyTorch內建語音資料集
14-5語音深度學習應用
14-6自動語音辨識(Automatic Speech Recognition)
14-7自動語音辨識實作
14-8 結語
 
第五篇/強化學習 (Reinforcement Learning)
15 強化學習
15-1 強化學習的基礎
15-2 強化學習模型
15-3 簡單的強化學習架構
15-4 Gym套件
15-5 Gym擴充功能
15-6 動態規劃(Dynamic Programming)
15-7 值循環(Value Iteration)
15-8 蒙地卡羅(Monte Carlo)
15-9 時序差分(Temporal Difference)
15-10 井字遊戲
15-11 連續型狀態變數與Deep Q-Learning演算法
15-12 Actor Critic演算法
15-13 實際應用案例
15-14 其他演算法
15-15 結論
 
第六篇/圖神經網路 (GNN)
16 圖神經網路 (GNN)
16-1 圖形理論(Graph Theory)
16-2 PyTorch Geometric(PyG)
16-3 圖神經網路(GNN)
16-4 結論
 
 



為何撰寫本書


  從事機器學習教育訓練已屆五年,其間也在『IT邦幫忙』撰寫上百篇的文章(https://ithelp.ithome.com.tw/users/20001976/articles),從學員及讀者的回饋獲得許多寶貴意見,期望能將整個歷程集結成冊,同時,相關領域的進展也在飛速變化,過往的文章內容需要翻新,因此藉機再重整思緒,想一想如何能將演算法的原理解釋得更簡易清晰,協助讀者跨入AI的門檻,另外,也避免流於空談,盡量增加應用範例,希望能達到即學即用,不要有過多理論的探討。

  AI是一個將資料轉化為知識的過程,演算法就是過程中的生產設備,最後產出物是模型,再將模型植入各種硬體裝置,例如電腦、手機、智慧音箱、自駕車、醫療診斷儀器、…等,這些裝置就擁有特殊專長的智慧,再進一步整合各項技術就構建出智慧製造、智慧金融、智慧交通、智慧醫療、智慧城市、智慧家庭、…等應用系統。AI的應用領域如此的廣闊,個人精力有限,當然不可能具備十八般武藝,樣樣精通,惟有從基礎紮根,再擴及有興趣的領域,因此,筆者撰寫這本書的初衷,非常單純,就是希望讀者在紮根的過程中,貢獻一點微薄的力量。

  PyTorch vs. TensorFlow
  深度學習的初學者常會問『應該選擇PyTorch或 TensorFlow套件』,依筆者個人看法,PyTorch、TensorFlow好比倚天劍與屠龍刀,各有擅場,兩個套件的發展方向有所不同,例如在偵錯方面,PyTorch比較容易,但TensorFlow/Keras建模、訓練、預測都只要一行程式,另外,物件偵測主流演算法YOLO,第四版以TensorFlow開發,第五版則以PyTorch開發,若我們只懂TensorFlow,那就無法使用最新版了。

  PyTorch與TensorFlow基本設計概念是相通的,可以採用相同的approach,同時學會兩個套件,本書主要以PyTorch開發,另一本姊妹作『深度學習--最佳入門邁向AI專題實戰』,則以TensorFlow為主,兩相對照,可以發現要兼顧一點也不難,還可以比較彼此的優劣。

  本書主要的特點
  1.由於筆者身為統計人,希望能『以統計/數學為出發點』,介紹深度學習必備的數理基礎,但又不希望內文有太多數學公式的推導,讓離開校園已久的在職者看到一堆數學符號就心生恐懼,因此,嘗試以『程式設計取代定理證明』,縮短學習歷程,增進學習樂趣。

  2.PyTorch版本變動快速,幾乎每一、兩個月就更新一個小版本,並且不斷的推出新擴充模組,本書期望對PyTorch主體架構作完整性的介紹外,也儘可能對最新的模組功能作深入探討。

  3.各種演算法介紹以理解為主,輔以大量圖表說明,摒棄長篇大論。

  4.完整的範例程式及各種演算法的延伸應用,以實用為要,希望能觸發讀者靈感,能在專案或產品內應用。

  5.介紹日益普及的演算法與相關套件的使用,例如YOLO(物件偵測)、GAN(生成對抗網路)/DeepFake(深度偽造)、OCR(辨識圖像中的文字)、臉部辨識、BERT/Transformer、聊天機器人(ChatBot)、強化學習(Reinforcement Learning)、自動語音辨識(ASR) 、知識圖譜(Knowledge Graph)等。

  目標對象
  1.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。
  2.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。
  3.資訊工作者:希望能擴展深度學習知識領域。
  4.從事其他領域的工作,希望能一窺深度學習奧秘者。

  閱讀重點
  1.第一章介紹AI的發展趨勢,鑑古知今,瞭解前兩波AI失敗的原因,比較第三波發展的差異性。
  2.第二章介紹深度學習必備的統計/數學基礎,徹底理解神經網路求解的方法(梯度下降法)與原理。
  3.第三章介紹PyTorch基礎功能,包括張量(Tensor)運算、自動微分、神經層及神經網路模型。
  4.第四章開始實作,依照機器學習10項流程,以PyTorch撰寫完整的範例,包括各式的損失函數、優化器、效能衡量指標。
  5.第五章介紹PyTorch進階功能,包括各種工具,如資料集(Dataset)及資料載入器(DataLoader)、前置處理、TensorBoard以及TorchServe佈署工具,包括Web、桌面程式。
  6.第六~十章介紹圖像/視訊的演算法及各式應用。
  7.第十一~十四章介紹自然語言處理、語音及各式應用。
  8.第十五章介紹AlphaGo的基礎 -- 『強化學習』演算法。
  9.第十六章介紹 圖神經網路(Graph Neural Network, GNN)。

  本書範例程式碼全部收錄在github.com/mc6666/PyTorch_Book 。
 
  致謝
  因個人能力有限,還是有許多議題成為遺珠之憾,仍待後續的努力,過程中要感謝冠瑀在編  輯/校正/封面構想的盡心協助,也感謝深智出版社的大力支援,使本書得以順利出版,最後要謝謝家人的默默支持。

  內容如有疏漏、謬誤或有其他建議,歡迎來信指教(mkclearn@gmail.com)。

 
 

詳細資料

  • ISBN:9786267146156
  • 規格:平裝 / 872頁 / 17 x 23 x 3.79 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣

會員評鑑 TOP

會員評鑑等級 ,共 1 位評分。

感謝您為本商品發表您的看法,這是專屬於博客來會員的發表園地。 看更多書評請前往 【讀者書評】專區

最近瀏覽商品

 

相關活動

  • 啟發孩子思考與創造力!《用電動積木升級版玩出80種有趣的動力組合》
 

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 

  • 大是文化全書系
  • 職場人
  • 天衛小魯

訂閱電子報

想獲得最新商品資訊,請訂閱免費電子報