物件導向 Python 與 TensorFlow 應用
鄭仲平、高煥堂
- 出版商: 廣悅
- 出版日期: 2019-01-29
- 定價: $490
- 售價: 9.0 折 $441
- 語言: 繁體中文
- 頁數: 436
- ISBN: 9868494680
- ISBN-13: 9789868494688
-
相關分類:
Python、程式語言、DeepLearning、TensorFlow、Object-oriented
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
Effective Python 中文版 | 寫出良好 Python 程式的 59 個具體做法 (Effective Python: 59 Specific Ways to Write Better Python)$450$383 -
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 -
Python 自動化的樂趣｜搞定重複瑣碎 & 單調無聊的工作 (中文版) (Automate the Boring Stuff with Python: Practical Programming for Total Beginners)$500$425 -
深度學習快速入門 — 使用 TensorFlow (Getting started with TensorFlow)$360$270 -
無瑕的程式碼－敏捷完整篇－物件導向原則、設計模式與 C# 實踐 (Agile principles, patterns, and practices in C#)$790$616 -
TensorFlow + Keras 深度學習人工智慧實務應用$590$460 -
寫程式前就該懂的演算法 ─ 資料分析與程式設計人員必學的邏輯思考術 (Grokking Algorithms: An illustrated guide for programmers and other curious people)$390$308 -
Deep Learning｜用 Python 進行深度學習的基礎理論實作$580$458 -
無瑕的程式碼－整潔的軟體設計與架構篇 (Clean Architecture: A Craftsman's Guide to Software Structure and Design)$580$452 -
給工程師的第一本理財書：程式金融交易的 118個入門關鍵技巧$500$390 -
Python GUI 程式設計：PyQt5 實戰$690$538 -
圖解 AI 人工智慧大未來：關於人工智慧一定要懂得 96 件事$380$323 -
學會 TensorFlow 之後呢？最尖端的 21個夢幻範例實作$680$578 -
提升程式設計師的面試力｜189道面試題目與解答, 6/e (Cracking the Coding Interview : 189 Programming Questions and Solutions, 6/e)$880$748 -
練好機器學習的基本功｜用 Python 進行基礎數學理論的實作$450$356 -
Python 3.7 技術手冊$560$476 -
Python 技術者們 - 實踐！ 帶你一步一腳印由初學到精通$650$553 -
AI機器人、藍芽與 Android 整合開發技術$450$405 -
深度學習入門教室：6堂基礎課程 + Python 實作練習，Deep Learning、人工智慧、機器學習的理論和應用全圖解$550$495 -
Python：股票演算法交易實務 145個關鍵技巧詳解$500$390 -
物件導向 ANSI-C 與 Python 的結合$490$441 -
不編程 , 而學AI : Excel 與 TensorFlow 的結合$450$405 -
實戰 TensorFlow x Keras 工作現場開發$480$408 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
軟體架構原理｜工程方法 (Fundamentals of Software Architecture: A Comprehensive Guide to Patterns, Characteristics, and Best Practices)$680$537
相關主題
商品描述
隨著AI(人工智慧)技術及應用範圍不斷地擴大，Python程式碼的複雜度也增高了，使得Python開發者具備物件導向(Object-Oriented)思維和基本技術，是非常有幫助、也是很有必要的。所以本書的前半段，從OOP+Python出發，由淺入深，循序漸進，幫您建立扎實的AI軟體開發的技術根基。
到了本書的中段，就以AI技術簡史為起點，以老鼠學習為範例，說明如何以Python來撰寫簡單的AI模型(如Perceptron模型)，並實際訓練之，壤您了解AI機器學習的原理、以及如何以Python程式來實踐之。
到了本書的後半段，就進一步以AI專業的TensorFlow平台為例，說明如何善用這種專業的AI平台來設計專業NN(神經網路)模型，孰悉其訓練及應用過程。
最後，將您在TensorFlow環境所訓練好的AI模型，移植到Android手機或機器人(如華碩Zenbo)上，大大提升終端設備的智慧、擴大應用、創造更大商機。希望本書能陪伴你馳聘於Python&TensorFlow技術領域之中，並鴻圖大展。
目錄大綱
第1章 AI與物件導向Python
AI思維簡史
Python語言與AI
如何安裝Python環境
開始撰寫 Python程式
物件導向(Object-Oriented)初步
軟體中的物件(Object)
物件與變數
物件與函數
自然界之類別
軟體之類別
第2章 Python之物件與類別
2.1 何謂OOP?
2.2 物件之概念
2.3 物件之分門別類
2.4 AKO抽象關係
2.5 物件行為與介面
第3章 擅用類別
3.1 如何描述物件：善用類別
3.2 如何誕生軟體物件
3.3 物件參考(Object Reference)
3.4 建構式(Constructor)
3.5 子類別如何誕生物件?
第4章 物件之組合
4.1 認識self參考值
4.2 建立物件之包含關係
4.2 self參考值之妙用
4.4 包容異質性物件
4.5 集合物件(Collection)
第5章 類別的封裝性
5.1 物件的封裝性
5.2 類別：創造物件封裝性
5.3 類別的私有屬性與函數
5.4 類別層級的屬性
5.5 類別層級的函數
第6章 類別繼承體系
6.1 繼承之意義
6.2 建立類別繼承體系
6.3 函數覆寫之意義
第7章 活用抽象類別
7.1 抽象類別與繼承體系
7.2 Python的抽象類別表示法
7.3 「抽象類別」衍生「具體類別」
7.4 抽象類別之妙用：預設行為
7.5 抽象類別之妙用：反向呼叫
第8章 發揮「多形性」
8.1 「多形性」之意義
8.2 多形函數
8.3 可覆寫(Overridable)之函數
第9章 如何設計抽象類別
9.1 抽象：抽出共同之現象
9.2 抽象之步驟
9.3 洞悉「變」與「不變」
9.4 著手設計抽象類別
第10章 介面與抽象類別
10.1介面之意義
10.2 以Python抽象類別實踐介面
10.3介面設計實例(一)：並聯電池物件
10.4介面設計實例(二)：串聯電池物件
10.3介面設計實例(三)：COR設計模式
第11章 不插電學AI
11.1 「不插電學AI」的意義
11.2 回顧AI發展的歷史
11.3 AlphaGo的驚人學習能力
11.4 範例：一隻老鼠的探索及學習
11.5 記錄老鼠的探索選擇及結果
11.6 老鼠當教練：訓練AI機器人
第12章 撰寫單層的Perceptron程式
12.1 開始「插電學AI」：使用Python
12.2 展開第1筆資料的訓練
12.3 進行更多筆資料的訓練
12.4 加入學習率(Learning Rate)
12.5 增添一個Training類別
15.6 一個更周詳的Perceptron程式碼
第13章 使用 TensorFlow
13.1 簡介TensorFlow
13.2 安裝TensorFlow環境
13.3 開始使用TensorFlow
13.4 展開第1回合的訓練
13.5 展開100回合更周全的訓練
13.6 設計Perceptron類別
13.7 採用TensorFlow的損失函數
13.8 撰寫多層Perceptron程式
第14章 TensorFlow應用範例
14.1 介紹 mnist手寫數字辨識範例
14. 2 開始訓練NN模型
14.3 改進NN模型：建立兩層Perceptron
14.4 改進NN模型：建立三層Perceptron
14. 5 設計MLP類別
第15章 如何匯出AI模型
15.1前言
15.2 複習：一隻老鼠的探索及學習
15.3 機器人：和老鼠一樣學習
15.4 基於TensorFlow建立AI模型
15.5 存入Checkpoint檔案
15.6 讀取Checkpoint檔案
15.7 讀取圖形(Graph)定義檔
15.8 匯出模型，寫入.pb檔
15.9 匯入模型，讀取.pb檔
附錄-A 「AI資料平台型企業」的商業模式
附錄-B AI產業的平台融合策略
