練好深度學習的基本功｜用 Python 進行基礎數學理論的實作
立石賢吾 著 衛宮紘 譯
- 出版商: 碁峰 樂讀精選兩書66折(部分除外)
- 出版日期: 2020-08-06
- 定價: $560
- 售價: 7.9 折 $442
- 貴賓價: 7.5 折 $420
- 語言: 繁體中文
- 頁數: 352
- 裝訂: 平裝
- ISBN: 9865025477
- ISBN-13: 9789865025472
-
相關分類:
DeepLearning
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
貝葉斯方法：概率編程與貝葉斯推斷 (Bayesian Methods for Hackers: Probabilistic Programming and Bayesian Inference)$534$507 -
深入理解計算機系統, 3/e (Computer Systems: A Programmer's Perspective, 3/e)$834$792 -
演算法圖鑑：26種演算法 + 7種資料結構，人工智慧、數據分析、邏輯思考的原理和應用 step by step 全圖解$450$356 -
簡潔的 Python｜重構你的舊程式 (Clean Code in Python: Refactor your legacy codebase)$480$379 -
tf.keras 技術者們必讀！深度學習攻略手冊$1,000$850 -
ASP.NET Core 與 RESTful API 開發實戰$474$450 -
$454超大流量分佈式系統架構解決方案：人人都是架構師2.0 -
數學之美, 3/e$414$393 -
決心打底！Python 深度學習基礎養成$690$587 -
$239物聯網操作系統 LiteOS 內核開發與實踐 -
機器視覺原理與案例詳解$336$319 -
Python × Network 一拍即合：自動化、程式化和 DevOps 的一站式解決方案 (Mastering Python Networking, 3/e)$780$608 -
TinyML｜TensorFlow Lite 機器學習 : 應用 Arduino 與低耗電微控制器 (Tinyml: Machine Learning with Tensorflow Lite on Arduino and Ultra-Low-Power Microcontrollers)$880$695 -
像程式設計師這樣思考｜鍛鍊程式設計思維 (Think Like a Programmer: An Introduction to Creative Problem Solving)$400$300 -
機器學習：彩色圖解 + 基礎數學篇 + Python 實作 -- 王者歸來 (全彩)$550$435 -
架構模式｜使用 Python (Architecture Patterns with Python: Enabling Test-Driven Development, Domain-Driven Design, and Event-Driven Microservices)$680$537 -
Python 非同步設計｜使用 Asyncio (Using Asyncio in Python )$480$379 -
新手村逃脫！初心者的 Python 機器學習攻略（iT邦幫忙鐵人賽系列書）$500$390 -
寫給大家的統計學｜秒懂機率與統計，你也可以是人生勝利組 (Bayesian Statistics the Fun Way: Understanding Statistics and Probability with Star Wars, Lego, and Rubber Ducks)$480$379 -
Python 機器學習 (上), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$620$484 -
Python 資料可視化之美：極專業圖表製作高手書 (全彩印刷)$780$616 -
Python 機器學習超進化：AI影像辨識跨界應用實戰 (附100分鐘影像處理入門影音教學/範例程式)$450$338 -
Python 機器學習 (下), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$520$406 -
跨領域學 Python：資料科學基礎養成$480$408 -
Effective Python 中文版｜寫出良好 Python 程式的 90個具體做法, 2/e (Effective Python: 90 Specific Ways to Write Better Python, 2/e)$580$493
相關主題
商品描述
從基本暸解深度學習的運作機制！
詳盡解說讓不擅長數學的人也能夠暸解。
僅用Python和NumPy，就可一步一腳印完成實作！
獻給想要跨出「只會使用函式庫實作」舒適圈的人。
「雖然我知道如何透過函式庫來做深度學習，但其實並不曉得它到底是怎麼運作」
「想要了解深度學習的數學原理，搞懂深度學習的運作方式」
本書就是為了滿足這樣的需求而推出的。透過朋友之間的對話，採用原理解說與實作並行的方式，從最基礎的原點開始重新認識深度學習。
．何謂類神經網路
．如何實作感知器演算法
．類神經網路如何學習權重和偏差
．如何正確學習參數解題
．實作卷積神經網路
作者簡介
立石賢吾
佐賀大學畢業後經歷數間開發公司，於2014年進入LINE Fukuoka，負責商品推薦、文件分類等的機器學習產品。2019年進入SmartNews，擔任機器學習工程師。
目錄大綱
Chapter 1｜開始接觸類神經網路
類神經網路是什麼東西？先來比較跟其他機器學習演算法的差異，再以圖片、簡單的數學式解說類神經網路的結構與能夠做到哪些事情。
Chapter 2｜學習正向傳播
解說構成感知器類神經網路的單純演算法是如何進行運算，舉判別圖像尺寸為例，學習從輸入值到輸出值依序計算的「正向傳播」。
Chapter 3｜學習反向傳播
說明在類神經網路上，如何求得適當的權重與偏差。使用微分更新權重與偏差，盡可能減少「誤差」，但正攻法的計算相當麻煩，因此我們會採用簡化計算的「誤差反向傳播法」。
Chapter 4｜學習卷積類神經網路
學會類神經網路的基本原理後，接著學習使用卷積類神經網路處理圖像，舉出卷積類神經網路的特有機制、運算，並說明權重、偏差的更新方法。
Chapter 5｜實作類神經網路
根據前面章節學到的類神經網路計算方法， 使用Python編寫程式。以Chapter 2、3 出現的基本類神經網路，實作圖像的尺寸判定；以Chapter 4出現的卷積類神經網路實作手寫文字辨識。
Appendix
收錄Chapter 1 ∼ 5未能詳細解說的數學知識、Python程式設計的環境設置、Python與NumPy的簡易說明。
