內容簡介
" d! d( _. |5 t TensorFlow認證考試最佳參考書
4 a9 n' @ j* [$ ?% [6 C! H( h 附解說檔及練習題400題
, W* I8 h; N6 E% M ｜本書專為有志於認證考試或想深入了解人工智慧原理者而設計｜
$ ^" K# A! S5 j 提供大量的習題及解說（超過400個），同時深入解說神經網路的運作原理，無論是初學者或進階者都適合閱讀。1 U+ J( a" O( ?5 S
｜繪製獨門的示意圖｜
- S$ z" K( ?" |2 V. s; S# T 利用Excel的工作表來展示各種演算法的運算過程，將抽象概念具體化。
8 x5 b, N1 c+ P9 f+ f ｜詳細解說損失函數、 激發函數、優化器、標籤編碼、單熱編碼、正規化、標準化、學習率、正向傳播、反向傳播及梯度下降法等機器學習的基礎觀念，以厚植人工智慧的實力｜
- J# H: W) o4 ^4 V6 \; [ 這些觀念是開發人工智慧軟體的關鍵，也是一般學子最難搞懂的部分，本書以問答集的形式呈現，共計41個主題，例如：為何要使用交叉熵函數來計算誤差？如何選擇激發函數？如何建構孿生神經網路？何謂梯度消失與梯度爆炸？如何使用自注意力機制？& l6 ]1 I- }2 `1 k
【目標讀者】
" @: R+ l+ i1 p+ o E 各級學校的學生。3 G7 L2 r, }( T* z" L
有志於認識人工智慧及參加認證考試的各界人士。) z! `$ l( ?* y; K
作者介紹
! N0 Z( B& l' G 作者簡介2 h: t4 M9 s5 Q3 r8 z& p
陳鴻敏
6 ~7 h- b5 t& k5 G( A 本書作者畢業於中興大學，歷任台塑、三光及中華航空公司等要職，長期從事於管理制度之設計與電腦系統的開發，熟悉各種電腦語言，著有《Excel分析與資料庫整合應用》、《Visual Basic開發應用系統的十堂課》、《R語言的資料採礦導引》等書，並於2021年通過TensorFlow開發者認證考試。
: b# ~' `$ k5 r6 G 目錄
: m0 c. G0 W7 v7 _& X* L7 S. ^+ n7 { |Chapter 01| 神經網路之概念; Q6 { j G" M- m) v7 t$ `
1.1 神經網路模型簡介
) t6 ]7 A/ H9 a 1.2 神經網路模型運作解析0 o4 v, `$ ~2 T9 u
1.3 模型訓練的資訊
: c, q. f' V( x) B# a7 k 1.4 神經網路工作程序/ M, I5 [' N% q, V$ o. z8 [% `3 Z
1.5 應考須知
& U# D/ z [( S% {- {3 ]7 }5 ` 1.6 如何使用本書範例檔
9 K7 o- N% T+ t. W) u4 s/ r4 D |Chapter 02| 結構化資料的分類辨識
% r- I, Q7 F d( p8 o 2.1 傳統的分類辨識方法
* n( d$ G" | i; ]3 h4 m 2.2 神經網路模型的分類辨識方法7 R3 d8 }$ P/ D7 K8 T9 H
|Chapter 03| 迴歸分析
1 [' X" Y( _6 X. u( c+ C 3.1 傳統迴歸分析法+ C2 i" u: S5 ~8 e5 B7 n3 t
3.2 神經網路模型在簡單迴歸分析的用法* o! O4 q V; X9 t% f* K, p0 p
3.3 神經網路模型在多元迴歸分析的用法
- j) u# {. {% l: o2 ~; }6 l! | |Chapter 04| 圖像辨識
* r5 ~9 m( ?3 _3 {9 Q: M 4.1 圖像基本原理& Q# Z4 K" S; _# b. _5 m: H4 c
4.2 圖片及影片的基本操作6 [; l4 O/ I3 Y( N3 s5 w
4.3 傳統圖像辨識法的缺點
# V- O5 A; C2 f3 I. r 4.4 卷積神經網路說明2 }; y1 |0 i6 n4 @2 P& g2 B8 I" H4 B( i
4.5 在TensorFlow中使用卷積層/ }% O d" f* w% f5 A6 t4 X: g
4.6 在TensorFlow中使用池化層與展平層
! m* Q# L' X- t( m 4.7 卷積層與池化層的種類
; w: K. B) X9 y) ~2 S7 g7 w2 J 4.8 開放數據集
& x9 \4 j3 m2 Q# u3 R4 p |Chapter 05| 圖像資料的擴增" W" l( [' R, u+ V( a; A0 i, K/ I+ p ~0 J
5.1 圖像擴增的意義( O( c$ \6 z5 g& W
5.2 圖像擴增的方法. X5 X: L# D, C/ X Z
5.3 圖檔之讀取與分類 j# A1 v, ^( ^ j+ ^8 U! T) g
5.4 圖像資料產生器的特殊用途之一
$ ~3 a0 Y# z, K' x3 U 5.5 圖像資料產生器的特殊用途之二* e5 k# ]. m% ^6 ?! [/ ?5 f
|Chapter 06| 預訓練模型的使用
) E: q. Z! S; E5 v 6.1 預訓練模型簡介( D" R: a: {1 v, V
6.2 預訓練模型的用法之一
. E, |3 R7 c8 w) z 6.3 預訓練模型的用法之二* F' I5 E& m" a u/ }; c. I
6.4 預訓練模型的用法之三 f9 ]! K7 p" |, D0 U" A
6.5 預訓練模型的比較1 A' O/ e/ d% E, e c
6.6 遷移學習原理# `9 [( Q9 a l, o k; E
|Chapter 07| 時間數列預測" _7 w! M, F. z( R
7.1 時間數列的類型
/ \9 c c9 [7 Y4 R* y* {/ s 7.2 時間數列預測法% C$ Y% R9 L; O/ P! [- \
7.3 時間數列預測步驟9 y7 g! w9 F5 X J9 R1 c
7.4 時間步與時間數列之切割7 I! A6 X( q. ^9 k
7.5 循環神經網路的模式
+ ~( S1 ~; r# C8 M0 h5 x2 m 7.6 循環神經網路之原理# G- F$ E& P7 n# _5 n/ d& V6 `
7.7 循環神經網路的關鍵參數
$ ?( Q4 H9 W1 y4 Z3 H$ U |Chapter 08| 文本分類
5 }' @. C( k$ o+ v; G! C9 r$ x9 Q 8.1 文本處理步驟+ N, g/ z2 G2 k( G4 Z" t: q
8.2 移除停用詞
; J8 I5 ?1 h9 P" s( ^ 8.3 斷詞器* F V( B' F \* A6 M* `
8.4 嵌入層與詞向量# w7 _! g) [7 _1 x/ u- O; F
8.5 預訓練的詞向量
6 v4 b$ G* d, g 8.6 文本分類的意義與程序2 R& u/ B5 p- x/ U' c
8.7 文本分類資料集簡介
; p& c( H. E9 b, C8 c 8.8 文本預訓練模型之運用, W3 _/ N% {: O
8.9 文本分類的進階處理
: O( \& L1 h% ?* m& F6 z |Chapter 09| 文本生成
- ^4 s5 {* l1 h! L! e1 ], ^ H 9.1 文本生成概要
% p) H. d3 P2 X! V6 @& B* ^ 9.2 文本預處理
- c0 n8 ~6 G/ {, ?8 [8 e/ q4 z; ^ 9.3 建構模型兩種# b3 n3 K- J/ ^) }+ n: h" |0 u! s
9.4 文本生成自訂函數/ Y. [5 Q$ {9 o2 T" Q5 R4 Q
9.5 文本生成之斷句7 S3 c& D2 }; X+ j) H u& A# q4 q R
9.6 自然語言處理的新發展
- J/ c3 W) f" ?& a |附 錄|（附錄內容請至博碩官網下載）) ?4 d/ C/ ?3 N+ z: c0 X+ R
附錄A 觀念解析# o8 s: D9 D$ t4 t, E* O. J
附錄B Google Colab使用方法
$ ]/ x0 n! }1 ?+ C6 Z6 E( ]- j 附錄C 範例檔清單_程式結構_套件版本
+ @* E- w/ {7 s5 e# t2 k1 r3 m/ Z
7 t3 F) q: f! d' j/ @- p) F- w: \! ?; |" W: G
剩余 2% 内容需要支付 4.00×2共享币 后可完整阅读并提供下载链接
共享资料赚共享币，鼓励用户共享优质资料
|
