Towards Tensorflow 2.0：無痛打造AI模型（iT邦幫忙鐵人賽系列書）
陳峻廷
- 出版商: 博碩文化
- 出版日期: 2020-07-08
- 定價: $500
- 售價: 7.0 折 $350 (限時優惠至 2024-12-22)
- 語言: 繁體中文
- 頁數: 272
- 裝訂: 平裝
- ISBN: 9864345001
- ISBN-13: 9789864345007
-
相關分類:
DeepLearning、TensorFlow
立即出貨 (庫存 < 7)
買這商品的人也買了...
-
$301單元測試的藝術 - 以 C# 為範例『第二版』 -
CSS Secrets 中文版｜解決網頁設計問題的有效秘訣 (CSS Secrets: Better Solutions to Everyday Web Design Problems)$680$537 -
為你自己學 Git$500$390 -
0 門檻！0 負擔！9 天秒懂大數據 & AI 用語（iT邦幫忙鐵人賽系列書）$420$294 -
0 陷阱！0 誤解！8 天重新認識 JavaScript！（iT邦幫忙鐵人賽系列書）$550$429 -
科班出身的 AI人必修課：OpenCV 影像處理 使用 Python$780$616 -
Docker 專業養成 ─ 活用基礎與實踐技能 (暢銷回饋版)$450$351 -
輕鬆學會 iPhone APP 實作開發：精心設計 17個 Lab 讓你輕鬆上手$580$452 -
強者用 PyTorch：實作史上最經典 AI 範例$690$587 -
極詳細 + 超深入：最新版 TensorFlow 1.x/2.x 完整工程實作$1,200$1,020 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 2/e (Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2/e)$1,200$948 -
Kotlin 權威 2.0：Android 專家養成術 (Kotlin Programming: The Big Nerd Ranch Guide)$620$484 -
TensorFlow 2.0 深度學習快速入門：從1到2快人一步，從0到2一步到位$420$328 -
深度學習的數學地圖 -- 用 Python 實作神經網路的數學模型 (附數學快查學習地圖)$580$493 -
行動裝置上的 AI：使用 TensorFlow on iOS Android 及樹莓派$680$537 -
讓 TypeScript 成為你全端開發的 ACE！（iT邦幫忙鐵人賽系列書）$650$507 -
決心打底！Python 深度學習基礎養成$690$587 -
金魚都能懂的 CSS 選取器：金魚都能懂了你還怕學不會嗎（iT邦幫忙鐵人賽系列書）$560$437 -
完全精通微軟 Web 架構：ASP.Net Core 3 最新強實戰 (有些許瑕疵,不影響閱讀)$1,200$1,020 -
GAN 對抗式生成網路 (GANs in Action: Deep learning with Generative Adversarial Networks)$750$638 -
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 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$356 -
TensorFlow 2.x 人工智慧、機器學習超炫範例 200+ (附影音教學影片、範例程式)$560$442 -
和艦長一起 30 天玩轉 GitLab（iT邦幫忙鐵人賽系列書）$500$390 -
輕鬆學會 Google TensorFlow 2 人工智慧深度學習實作開發, 3/e$620$484
相關主題
商品描述
內容簡介
本書改編自第 11 屆 iT 邦幫忙鐵人賽，Google Developers Machine Learning 組冠軍網路系列文章 ⸺《Towards Tensorflow 2.0：無痛打造AI模型》，是一本完整結合 Google Colab 學習Tensorflow 的台灣本土專書。AI、機器學習為近年來最熱門的話題，如何透過 AI 來提高企業營收或降低成本，已是各大企業爭相研究的技術。這是一本涵蓋基礎 Tensorflow 語法到各大應用領域的專書，豐富內容結合業界實戰心得與應用 ( 包括：價格預測、影像辨識、推薦系統等 )，帶你探索 AI 的奧妙。
三大重點
☛ 內容涵蓋現今 Tensorflow 2.0 最新語法，由淺入深帶你了解 Tensorflow 語法，從資料選取、資料處理、模型訓練以及視覺化均包含於此書。
☛ 本書涵蓋 DNN、CNN、RNN、GAN 、RL 等現今熱門模型，且搭配許多經典有趣的資料集做學習。除了實作，書中也會提及在真實世界所會遇到的的問題及解法。
☛ 透過線上免費雲端運算資源帶你學習 Tensorflow2.0，不僅不需擁有高運算設備即能學習現今最熱門的 AI 模型，也可以省略掉繁瑣的安裝步驟，可立即上手並學習 AI 核心概念。
適用讀者
具備基礎程式編寫能力的 Tensorflow 初學者、對 AI 有興趣或想轉職成為 AI 工程師的讀者。
作者簡介
陳峻廷
作者於資料科學、機器學習相關領域深耕多年，專案經歷涵蓋多方領域，包含：電信、金融、工廠、廣告等，並致力於運用資料科學及機器學習解決企業問題，現為電信業資料科學家。
目錄大綱
01 Tensorflow 介紹
1-1 什麼是Tensorflow?
1-2 Tensorflow 2.0
1-3 線上免費開發測試環境
1-4 總結
02 Tensorflow 基本語法
2-1 變數類型
2-2 建立數據
2-3 數據操作
2-4 數據運算
2-5 總結
03 TF.Keras API
3-1 基本操作
3-2 定義模型
3-3 模型訓練
3-4 模型儲存
3-5 總結
04 Python 資料處理與視覺化實戰
4-1 初入茅廬
4-2 小試身手
4-3 熟能生巧
4-4 觸類旁通
4-5 融會貫通
05 深度神經網路 (Deep Neural Network)
5-1 線性迴歸 (Regression)
5-2 優化器 (Optimizer)
5-3 深度神經網路 (Deep Neural Network)
5-4 深度神經網路－ Lab 1 (Data：Airbnb)
5-5 深度神經網路－ Lab 2 (Data：Fashion MNIST)
5-6 總結
06 卷積神經網路 (Convolutional Neural Network)
6-1 CNN
6-2 VGG
07 遞歸神經網路 (Recurrent Neural Network)
7-1 遞歸神經網路 (RNN)
7-2 長短期記憶網路
7-3 RNN 實作 - 情感分析
7-4 RNN 實作 - 股價預測
7-5 BERT 初探
7-6 實務技巧分享
7-7 案例說明
08 推薦系統 (Recommendation System)
8-1 推薦系統介紹
8-2 Wide & Deep 推薦系統介紹
8-3 Deep & Wide 模型 Lab
8-4 實務經驗與結論
09 從Auto-Encoder 到GAN
9-1 非監督式學習 (Unsupervised Learning)
9-2 自動編碼器 (Auto-Encoder)
9-3 自動編碼器 (Auto-Encoder) 實作
9-4 Variational Auto-Encoder (VAE)
9-5 生成對抗網路 (Generative Adversarial Network)
9-6 GAN 實作LAB-1
9-7 GAN 實作LAB-2 MNIST
10 增強式學習 (Reinforcement Learning)
10-1 什麼是增強式學習RL
10-2 RL 的學習方法
10-3 DeepQNetwork
10-4 RL DQN - Colab 實作
10-5 總結
11 模型調教與模型服務
11-1 模型調教問題 - Overfit 以及Underfit
11-2 模型視覺化 - TensorBoard
11-3 遷移學習 (Transfer Learning)
11-4 模型服務 (Model Serving)
11-5 總結
