類神經網路實戰:使用 Python (Make Your Own Neural Network)

Tariq Rashid 著 林賜 譯/博碩文化 審校

  • 類神經網路實戰:使用 Python (Make Your Own Neural Network)-preview-1
  • 類神經網路實戰:使用 Python (Make Your Own Neural Network)-preview-2
  • 類神經網路實戰:使用 Python (Make Your Own Neural Network)-preview-3
  • 類神經網路實戰:使用 Python (Make Your Own Neural Network)-preview-4
  • 類神經網路實戰:使用 Python (Make Your Own Neural Network)-preview-5
  • 類神經網路實戰:使用 Python (Make Your Own Neural Network)-preview-6
  • 類神經網路實戰:使用 Python (Make Your Own Neural Network)-preview-7
  • 類神經網路實戰:使用 Python (Make Your Own Neural Network)-preview-8
  • 類神經網路實戰:使用 Python (Make Your Own Neural Network)-preview-9
  • 類神經網路實戰:使用 Python (Make Your Own Neural Network)-preview-10
  • 類神經網路實戰:使用 Python (Make Your Own Neural Network)-preview-11
  • 類神經網路實戰:使用 Python (Make Your Own Neural Network)-preview-12
類神經網路實戰:使用 Python (Make Your Own Neural Network)-preview-1

買這商品的人也買了...

相關主題

商品描述

亞馬遜網路書店★★★★★5顆星評價
類神經網路的最佳入門指南

透過淺顯的數學知識逐步理解類神經網路的運作原理
輕鬆使用Python自行開發類神經網路


類神經網路是人工智慧領域中的關鍵技術之一。然而,真正了解類神經網路運作原理的人卻是少數。本書作者以輕鬆的口吻寫作,循序漸進地介紹類神經網路中所用到的數學、運算思維及其概念,以及說明如何使用Python開發類神經網路。內容嚴格限定在實作類神經網路的必需知識,可快速掌握類神經網路的精髓。閱讀本書時,只需中學程度的數學知識,最後還附有淺顯易懂的微積分簡介以及在樹莓派上運作的說明,期許眾多讀者都能理解類神經網路。透過本書,您將進行一段妙趣橫生且條理分明的旅行。

【本書內容】
本書分為三章及附錄,內容逐步說明類神經網路的觀念,並使用Python實作類神經網路。
◎第1章以許多插圖及範例來詳細介紹類神經網路所使用的數學基礎知識。
◎第2章說明如何使用Python程式語言進行開發類神經網路,並訓練其辨識手寫數字,以及測試類神經網路的效能。
◎第3章說明如何進一步提升類神經網路的效能,並加深相關知識的理解。
◎附錄則介紹學習類神經網路所需的微積分知識,以及使用樹莓派運作的操作說明。

【適用讀者】
本書的目標讀者並非是數學或計算機科學方面的專家。不需要任何的專業知識以及超出中學的數學能力,只要會加減乘除四則運算,就能實作出自己的類神經網路。一旦掌握了類神經網路的基本知識,就能將其核心概念應用在許多不同層面的問題上。


【本書推薦】
「本書對理解類神經網路概念的所需知識有清楚的介紹。」
──Niyazi Kemer

「不需具備複雜的數學知識及深度學習的理論,可有效學習類神經網路的入門書。」
──M Ludvig

「優良的類神經網路入門書籍。詳細解說類神經網路,並以精簡、實用的方式介紹數學知識。引導讀者使用Python編寫類神經網路。」
──Daniel Oderbolz

作者簡介

Tariq Rashid
Tariq Rashid出生於英國,擁有物理學的學士學位,以及機器學習和資料探勘的碩士學位。

他活躍於倫敦的技術領域,並領導倫敦Python聚會小組(近3000名成員),時常舉辦講座/研討會。
 

目錄大綱

Chapter 01 類神經網路如何運作
1.1 尺有所短,寸有所長 
1.2 一台簡單的預測機 
1.3 分類與預測並無太大差別 
1.4 訓練簡單的分類器 
1.5 有時候一個分類器不足以求解問題
1.6 神經元-大自然的計算機器 
1.7 在類神經網路中追蹤訊號 
1.8 憑心而論,矩陣乘法大有用途 
1.9 使用矩陣乘法的三層類神經網路範例 
1.10 學習來自多個節點的權重 
1.11 多個輸出節點反向傳播誤差 
1.12 反向傳播誤差到更多層中 
1.13 使用矩陣乘法進行反向傳播誤差 
1.14 我們實際上如何更新權重 
1.15 權重更新成功範例 
1.16 準備資料 

Chapter 02 使用Python進行DIY
2.1 Python 
2.2 互動式Python=IPython 
2.3 優雅地開始使用Python 
2.4 使用Python製作類神經網路 
2.5 手寫數字的資料集MNIST 

Chapter 03 趣味盎然
3.1 自己的手寫數字 
3.2 類神經網路大腦內部 
3.3 建立新的訓練資料:旋轉圖像 
3.4 小結 

Appendix A 微積分簡介
A.1 一條平直的線條 
A.2 一條斜線 
A.3 一條曲線 
A.4 手繪微積分
A.5 非手繪微積分 
A.6 無需繪製圖表的微積分 
A.7 模式
A.8 函數的函數 
A.9 你可以進行微積分運算了!

Appendix B 使用樹莓派來運作
B.1 安裝IPython
B.2 確保各項工作正常運作 
B.3 訓練和測試類神經網路
B.4 樹莓派成功了