Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)

廖珮妤

Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書) 預覽內頁
  • 出版商: 博碩文化
  • 出版日期: 2021-11-08
  • 定價: $560
  • 售價: 7.8 折 $437
  • 語言: 繁體中文
  • 頁數: 240
  • 裝訂: 平裝
  • ISBN: 986434918X
  • ISBN-13: 9789864349180
  • 相關分類: DeepLearning

    • 無法訂購

  • Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-1
  • Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-2
  • Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-3
  • Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-4
  • Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-5
  • Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-6
  • Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-7
  • Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-8
  • Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-9
  • Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-10
  • Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-11
  • Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-12
  • Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-13
Knock Knock! Deep Learning：新手入門深度學習的敲門磚(iT邦幫忙鐵人賽系列書)-preview-1

買這商品的人也買了...

相關主題

商品描述

  • 【本書特色】
    最貼近新手的深度學習理論及應用全方位入門書！
    ✪學習必備理論，打好基礎，新手不怕被過多的數學式嚇跑。
    ✪使用PyTorch直覺易懂且強大的深度學習框架，開始應用的第一步。
    ✪了解自然語言處理、電腦視覺與強化學習等三大領域經典應用與實作，領略深度學習的強大。
    ✪兼顧理論與實作，而非偏頗一方，培養讀者較全面的理解。
    ✪包含經典學術論文與知名專案技術講解，幫助讀者掌握此技術所能到達的高度。
    ✪每章末提供自我檢驗題目，幫助理解與統整各章概念。

    【內容簡介】
    本書內容改編自第12屆iT邦幫忙鐵人賽AI & Data組冠軍系列文章《Knock Knock！Deep Learning》，是專為深度學習初學者所規劃的內容，旨在以淺顯易懂的文字，帶領深度學習領域的新手度過入門撞牆期。內容從深度學習的基本理論開始，並以PyTorch框架的介紹過渡至應用篇，最後以自然語言處理、電腦視覺與強化學習等三大領域的經典論文與實作專案收尾，循序漸進且去蕪存菁。本書會帶入許多故事性的敘述和插圖，結合作者自身在史丹佛大學修讀碩士期間的學習心得，以及深度學習發展相關的故事，期使本書讀起來不會如教科書一樣厚重，亦不會像網路上的技術文章一般零散無脈絡，讓讀者對深度學習領域的發展有一定的概念。

    【內容重點】
    ✪了解深度學習的基礎理論以及必備的實作知識與工具
    內容從人類的神經網路開始，介紹深度學習與其相似之處，並理解神經網路的學習步驟，同時也介紹一些必備的實作知識與工具，以具備基本的實作工程技能。

    ✪入門深度學習框架PyTorch
    內容介紹語法簡潔、好上手且在學術界流行的PyTorch框架，著重實作與應用。

    ✪深度學習×自然語言處理×電腦視覺×強化學習
    內容會依序談到深度學習在三方面的應用，如自然語言處理（Natural Language Processing，NLP）、電腦視覺（Computer Vision，CV）、強化學習（Reinforcement Learning，RL）。除了基本簡介外，還會介紹一些基本實作和改變世界的技術成果。

    【適用讀者】
    ✪對深度學習有興趣，但還不知道它是什麼、能做什麼的新手。
    ✪零散讀過深度學習相關文章，但仍有知識缺口的入門者。
    ✪被教科書中龐大的數學理論嚇到，而對深度學習卻步的讀者。
    ✪正在上學校的深度學習課程，但不知道實作從何開始的學生。

作者簡介

  • 【作者簡介】
    廖珮妤
    現任美國Twitter軟體工程師。曾任史丹佛大學CS224n課程助教、PyLadies社群電子報作者、北一女資訊研習社學術長，樂於以各種方式分享技術。超級費迷，喜歡的歌手是張雨生。

    2020年畢業後，決定將學生時期所學的深度學習知識與專案統整成「Knock Knock! Deep Learning」系列文，並於iT邦幫忙鐵人賽AI & Data組獲得冠軍。

    【內文插畫繪者簡介】
    張巧心
    國立臺灣大學生物機電工程學系畢。作者的高中麻吉。興趣是隨手塗鴉，用畫筆記錄生活。

目錄大綱

  • |Chapter 01| 導讀
    1.1 什麼是深度學習？
    1.2 會探討哪些技術？是否會不夠扎實？
    1.3 需要哪些預備知識
    1.4 深度學習的相關書籍這麼多，為什麼要看這本書？

    |Chapter 02| 深度學習基礎理論
    2.1 從人腦啟發的深度學習
    2.2 什麼是訓練一個神經網路？
    2.3 細解預測步驟：輸入、權重、激發
    2.4 細解訓練步驟：損失、反向傳播、參數更新
    2.5 自我檢驗

    |Chapter 03| 深度學習必備實作知識與工具
    3.1 Coding前你必須認識的工具
    3.2 背考古題不算懂：訓練、測試、驗證集
    3.3 幾分能力就做多少事：Overfitting、Underfitting、正則化
    3.4 規格統一，做事更有效率：歸一化
    3.5 參數初始化有套路
    3.6 更優雅的進行優化
    3.7 自我檢驗
    3.8 參考文獻

    |Chapter 04| PyTorch入門
    4.1 深度學習框架之亂
    4.2 PyTorch安裝
    4.3 建立神經網路模型流程概述
    4.4 基礎資料形式：Tensor
    4.5 Tensor之間的連結網路：計算圖
    4.6 PyTorch函數收納箱
    4.7 PyTorch優化器
    4.8 定義模型架構：Module
    4.9 資料集處理
    4.10 Hello Deep Learning! MNIST手寫數字辨識實作範例
    4.11 自我檢驗

    |Chapter 05| 自然語言處理
    5.1 讓我著迷的Word2Vec
    5.2 詞向量的使用與視覺化
    5.3 語言與RNN
    5.4 Hello RNN! 中文文本生成實作範例
    5.5 打掉重練的勇氣：Google 翻譯與Seq2Seq
    5.6 大躍進：注意力機制
    5.7 注意力才是王道：Transformer
    5.8 Hello Transformer! 二訪中文文本生成實作範例
    5.9 再度大躍進：BERT
    5.10 Hello BERT! 文字情緒分析實作範例
    5.11 小結
    5.12 自我檢驗
    5.13 參考文獻

    |Chapter 06| 電腦視覺
    6.1 從ImageNet發起的資料大戰
    6.2 圖像與CNN
    6.3 文字也有結構，圖像也有序列
    6.4 圖像描述生成實作範例
    6.5 改變世界的GAN
    6.6 字型風格轉換實作分享
    6.7 小結
    6.8 自我檢驗
    6.9 參考文獻

    |Chapter 07| 強化學習
    7.1 決策與RL
    7.2 用RL玩電動：Deep Atari
    7.3 Hello RL! CartPole實作範例
    7.4 用RL打撞球：DeepCueLearning實作分享
    7.5 令世界驚艷的AlphaGo
    7.6 小結
    7.7 自我檢驗
    7.8 參考文獻

    |Chapter 08| 結語與解答
    8.1 第二章解答
    8.2 第三章解答
    8.3 第四章解答
    8.4 第五章解答
    8.5 第六章解答
    8.6 第七章解答

類似商品