展開廣告
HOT 拿破崙希爾 本屋大賞揭曉 葬送的芙莉蓮 排球少年

:::網站搜尋

讀書日
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
主題活動

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

図解即戦力　AIのしくみと活用がこれ1冊でしっかりわかる教科書

可購買版本(2)：

  • 定價：480元
  • 優惠價：79折379元
  • 優惠期限：2024年05月08日止
  • 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...
我要評鑑
  • 分享
 

內容簡介

　　★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
 

作者介紹

作者簡介
 
高橋海渡（Takahashi Kaito）
 
　　第1、2章的主筆。曾在AI供應商從事新事業開發和研究機構的AI體驗講師。現為開發者，從事機器學習模型的製作和Web開發工作。
 
立川裕之（Tachikawa Hiroyuki）
 
　　第6章的主筆。獨立資料分析顧問。
　
　　曾任事業公司的法人銷售員和SaaS的商務主任，後參與籌劃了株式會社DataMix。以資料分析顧問和研修講師等身份參與過各種項目後獨立。現從事資料分析顧問、演算法開發、資料整備支援等工作。
 
小西功記（Konishi Kohki）
 
　　第4、5章的主筆。任職於株式會社Nikon先進技術開發本部數理技術研究所。
 
　　生於和歌山縣。曾在美國勞倫斯柏克萊國家實驗室等機構研究觀測宇宙學，並擔任過資料科學家。於東京大學理學系研究科專攻物理學，取得博士學位。後進入株式會社Nikon，自2015年起任AI（機器學習）工程師。主要研究最尖端的圖像分析技術發展，以及AI技術的社會應用。在國內外學會發表過多項專利。
 
小林寬子（Kobayashi Hiroko）
 
　　第3章主筆。任職於株式會社Nikon先進技術開發本部數理技術研究所。
 
　　生於東京都。進入株式會社Nikon時任職於經理部門，後為參與開發業務主動申請調職，現從事應用自然語言處理的市場分析和圖像辨識等技術的研究開發工作。JDLA G檢定2020年第二名，2020年度日本經濟產業省AI Quest修畢。
 
石井大輔（Ishii Daisuke）
 
　　第4章主筆。本書的企劃統籌者。株式會社Kiara代表取締役。
 
　　生於岡山縣。在京都大學主修數學，後進入伊藤忠商事，在歐洲開發新事業。2016年成立專攻AI和機器學習的研究社群「TeamAI」。通過1000次的讀書會聚集了1萬名會員。2019年針對外國市場推出可即時翻譯100國語言的Chatbot App「Kiara」。500 Startups Singapore（受日本經濟產業省JETRO補助）畢業生。著有《寫給想成為機器學習工程師的人——以AI為天職》（翔泳社）等書。
 
　　■執筆協助
　　澤井 悠（第3章）／齋藤 豪（第3章）／信田 萌伽（第4、5章）
 

目錄

第1章
什麼是AI
01AI的定義──12
02AI擅長與不擅長的領域──14
03AI的發展歷程──18
04什麼是機器學習──22
05什麼是深度學習──26
06機器學習與深度學習的差異──30
 
第2章
AI的基礎知識
07機器學習與統計學──36
08相關性與因果關係──40
09機器學習與資料探勘──44
10什麼是監督式學習──48
11什麼是非監督式學習──52
12什麼是強化學習──56
13AI與大數據──60
14從資料種類看AI的特徵──64
15AI系統的開發流──68
 
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）──74
17NLP的模糊性與困難──80
18NLP的預處理──84
19語言模型與分散式表徵──90
20標注語料庫與雙語語料庫──98
21遞歸神經網路（RNN）──104
22Transformer──110
23BERT──116
24GPT-3──122
 
第4章
以GAN為基礎的生成模型
25進軍創作領域的AI──130
26以生成模型為基礎的演算法──132
27用GAN生成圖像──138
28敵對攻擊與防禦──144
29GAN的未來發展──148
 
第5章
圖像辨識的方法和模型
30圖像辨識的任務──156
31卷積神經網路（CNN）──160
32引爆圖像辨識發展的CNN──164
33CNN的精度與大小平衡──168
34訓練的技巧1──172
35訓練的技巧2──176
36深度學習的可解釋性──180
37圖像辨識的評價指標──184
38精度的評價指標與通用性能──188
 
第6章
列表資料的機器學習演算法
39列表資料的預處理──194
40監督式學習1：線性迴歸模型──196
41監督式學習2：決策樹──200
42監督式學習3：隨機森林──204
43監督式學習4：XGBoost──208
44監督式學習5：邏輯迴歸模型──212
45監督式學習6：神經網路──216
46監督式學習7：k-NN（k-Nearest Neighbor）──220
47非監督式學習1［分群］：k-means法──222
48非監督式學習2［分群］：階層式分群──226
49非監督式學習3［分群］：譜分群──228
50非監督式學習4［降維］：PCA（主成分分析）──232
51非監督式學習5［降維］：UMAP──236
52非監督式學習6［降維］：矩陣分解──240
53非監督式學習7［降維］：自編碼機──244
 
結語──248
索引──249
作者介紹──254
看更多
 

序

序
 
　　2022年是個難過的一年，才剛有國家宣布新冠疫情結束，歐洲就緊接著爆發戰爭。在這動盪的世界，以數學為首的邏輯思維的重要性與日俱增。而邏輯的論據則是數據。不只是大數據，新聞報紙上的內容也必須留意真偽，檢查有無謬誤，仔細思量後再下判斷，否則便有可能做出違逆趨勢變化的決定。尤其是科學思維，不論對蔬果店還是瑜伽老師都很重要。
 
　　AI浪潮已打著數位轉型之名生根落地。但另一方面，根據我在第一線的觀察，目前仍有99%的工作沒有引進AI。而範圍擴大到全球，恐怕仍有99.99%的市場還未開拓。我認為就連馬達加斯加的漁夫，也應該引進資料科學。
 
　　在大多數的職場，人們仍習慣把資料印出來丟著、進行無用的問卷調查、只使用沒有按ID分類的統計資料。雖然擁有足以稱為大數據的資料量，POS收銀機和總公司的會計仍完全分開，並在系統公司的政治鬥爭下難以無縫整合。
 
　　儘管日本數位廳正努力改善現狀，但要做的工作仍堆積如山。在戰爭影響下，網路安全AI和防範犯罪與恐攻的AI等新興領域也隨之出現。AI的工作永無止境。
 
　　本書是一本專為有意學習AI者而寫的通識性入門書。在第1、2章，我們將介紹AI的概要，解答「AI是什麼？」這個根本性問題，屬於基礎知識篇。
 
　　在第3章，我們會介紹自然語言處理，網羅從基礎的向量空間上的語言圖譜，到最新的Transformer等大型架構。在第4章則會介紹「GAN＝生成對抗網路」。GAN源於圖像生成領域，近年也被用於生成音樂和文章（GPT），在最尖端的領域也屬於當紅技術。本章還將介紹包含實驗性質的社會應用在內的各種案例。
 
　　第5章將介紹近年發展最快速的圖像辨識領域。這領域的發展引爆點是第三波AI浪潮，在一開始就有很高辨識精度，以自動駕駛為首，許多充滿夢想的社會應用點子都已起步，存在各種不同的架構，發展出五花八門的產品。在第6章，我們將介紹資料科學中非常重要，而且在實務上經常出現的列表資料。諮詢業務和一般企業擁有的資料中最多的就是這種資料。本章將介紹最通用且可應用在眾多場景的知識技巧。
 
　　即使完全跨越新冠病毒和歐洲戰事，人類也還有氣候變遷、貧富差距、不治之症、幫助弱勢群體等許多未解的難題要面對。當然，其中有些問題更適合從社會學或哲學脈絡來解決。但是，如果輔以邏輯學和資料科學的話，無疑將有更好的證據支持，更容易成功。
 
　　大家因為興趣而做的拉麵店圖像分析和Netflix的節目評價分析等，也跟上述的項目同樣有意義。沒有什麼比找出自己的主題，並努力分析它們更有樂趣了。如果本書能成為你投入研究的契機，那就再好不過了。
 
　　得益於技術評論社的宮崎主哉先生，以及共筆的高橋海渡先生、立川裕之先生、小西功記先生、小林寬子小姐幾位出色成員幫助，本書才得以問世。誠心感謝他們。另外，我想在此一併向內人留衣和執筆期間誕生的小女晴表達感謝。
 
2022年11月 祈願烏克蘭與世界和平的杉並區民
合著者代表 石井大輔
看更多
 

詳細資料

  • ISBN：9786263791848
  • 規格：平裝 / 256頁 / 14.8 x 21 x 1.7 cm / 普通級 / 全彩印刷 / 初版
  • 出版地：台灣
 

書籍延伸內容

影片介紹

影片來源：台灣東販 提供
 

內容連載

什麼是機器學習
 
所謂機器學習，是一種透過讓電腦學習大量資料來提高判斷精度的技術。機器學習的代表性方法有「監督式學習」、「非監督式學習」、「強化學習」。
 
機器學習的概念和主要方法
 
機器學習是一種讓電腦模仿人類透過經驗學習事物的方法，來提高電腦判斷精度的資料分析技術。其基本過程是將大量資料輸入電腦，讓電腦反覆學習，然後從資料中找出特定的模式。機器學習主要有「監督式學習」、「非監督式學習」、「強化學習」三種方法。
 
監督式學習是把「輸入資料」和「正解標註」成對輸入電腦，讓電腦學習資料的特徵。非監督式學習則是不給予正解標註，只大量輸入資料，讓電腦從資料中學習特徵。強化學習則是基於特定目標，對正確的行動給予獎勵，錯誤的行動給予懲罰，讓電腦學會能達成目標的最佳行動。
 
監督式學習的代表性演算法
 
監督式學習所用的演算法主要有「分類（Classification）」和「迴歸（Regression）」。
 
分類就是預測輸入的資料屬於哪一類。比如判斷電子郵件是正常郵件還是垃圾郵件的垃圾郵件過濾，以及識別圖中物體的圖像辨識等，都應用了分類演算法。
 
迴歸則是預測輸入資料的連續值。比如預測電力消耗量的變化或網站的點擊數等使用手中已有的資料來預測未來數值的任務，都是應用了迴歸演算法。
 
監督式學習只要解決了如何獲得附有正解標註的資料這道難關，就可以輕鬆完成，可說是最流行的機器學習方法。監督式學習的主要演算法如下表所示。另外在機器學習中，已訓練完畢、可以辨識特定種類或模式的檔案或運算方法稱為「模型」。

看完整內容連載

會員評鑑

3.5
1人評分
|
1則書評
|
看本書所有評論
立即評分
user-img
wuufone
3.5
|
2024/01/10
有做到「複雜的事簡單說」，但是「簡單說」有時不一定對每個人說就等於「簡單懂」，所以建議還是要自己翻過才知道合不合適自己閱讀。
由多位作者合著，所以章節之間會互相參照，對人的閱讀流暢感是產生流暢或阻礙感，則也會因人而異。
做為入門書，它簡單，但並不有趣，因為它沒有一個主要的產出目的，也沒有把各種學習、演算法的層疊關係和組合關係與實務需求明顯相聯，顯得有點像簡陋版的小百科。不過這可能是比較嚴格的評論吧。
展開
看本書所有評論
 

主題活動

最近瀏覽商品

 

相關活動

  • 從「格」的概念出發｜
 

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。 

  • 親子天下_加碼
  • 三采尋寶記套書加碼
  • 世界閱讀日(書評)

同類商品新上架

本類新品熱銷

本類暢銷榜