首頁 搜尋 我的知識庫
Python機器學習與深度學習特訓班(第二版):看得懂也會做的AI人工智慧實戰(附120分鐘影音教學/範例程式)

Python機器學習與深度學習特訓班(第二版):看得懂也會做的AI人工智慧實戰(附120分鐘影音教學/範例程式)

作者: 文淵閣工作室
出版社: 碁峰
出版日期: 2021/04/16
ISBN-13: 9789865026783
書店 1






內容描述


國內外最具代表性案例,9大專題實戰、15個分類實例 
Google Colab、Microsoft Azure兩大雲端應用,人臉辨識、自然語言、 
文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練, 
從資料收集整理、模型訓練調整,檢測修正到產出全面解秘! 
 
  資料科學(Data Science)技術崛起後,人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實,人工智慧的應用早已出現在我們生活周遭,如即時車牌影像辨識,以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。 
 
  在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底,運用Python進行實作,深入人工智慧技術,掌握機器學習與深度學習的真正強大應用。 
 
  程式人、工程師挑戰人工智慧最佳學習地圖 
  由類神經網路基礎到AI應用實戰 
  訓練、模型、預測、辨識、分析與驗證 
  全面深入機器學習與深度學習技術核心 
 
  ■打造專屬Python、TensorFlow與Keras最強開發環境。 
   
  ■圖解簡化複雜難懂的類神經網路觀念,涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。 
 
  ■整合最夯的人工智慧雲端開發平台:Google Colab,應用雲端提供的充沛資源,全面提升運算效能。 
 
  ■加碼最新的機器學習雲端應用平台:Microsoft Azure,連結功能強大、方向多元的Web API,豐富專業應用領域。 
 
  ■顛覆只重視理論或產生結果的傳統機器學習內容,實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。 
 
  ■全面深入不同應用面向: 
  印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測… 
 
  ■網羅國內外最具代表性案例: 
  手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等,進行有系統而扎實的真正演練。 
 
  ■一次領略機器學習與深度學習的重要關鍵話題: 
  TensorFlow、Keras、Anaconda、Spyder、Jupyter Notebook、CUDA、cuDNN、MLP、Mnist、CNN、RNN、LSTM、Colab、Azure、Cognitive Services、Computer Vision、Face API、Language API、Text Analytics、Translator Text、Algorithmia、Jieba、wordcloud、SpeechRecognition、Aegisub、twstock、plotly、SQLite、SQLite Database Browser、Haar… 
 
  ■針對專案實戰提供關鍵影音輔助教學,加速學習效率。 
 
  超值學習資源:120分鐘關鍵影音教學/範例程式檔/一探演算法雲端寶庫:Algorithmia教學PDF 
 
感謝讀者好評
 
  “很棒的書,我完全沒有深度學習和機器學習的任何知識,只有Python的基礎知識,也覺得書中的說明很快就讓我了解了。” --abedul 
 
  “此書把繁雜的演算法理論以圖像化的方式呈現,可以幫助我們快速了解深度學習的核心概念,讓學習門檻降低許多,而且還提供了很多實用的實作範例,是一本入門深度學習的好書…” --Victor


目錄大綱


01 打造開發環境: TensorFlow和Keras 
1.1 人工智慧、機器學習和深度學習的關係 
1.2 什麼是機器學習? 
1.3 什麼是深度學習? 
1.4 TensorFlow與Keras 
1.5 建置Anaconda開發環境 
1.6 TensorFlow及Keras安裝 
1.7 設定TensorFlow的GPU支援 

02 機器學習起點:多層感知器(MLP) 
2.1 認識多層感知器(MLP) 
2.2 認識Mnist資料集 
2.3 多層感知器模型資料預處理 
2.4 多層感知器實戰:Mnist手寫數字圖片辨識 
2.5 模型儲存和載入 
2.6 模型權重的儲存和載入 
2.7 建立多個隱藏層 

03 影像識別神器:卷積神經網路(CNN) 
3.1 卷積神經網路(CNN)基本結構 
3.2 認識Kaggle Cats and Dogs Dataset資料集 
3.3 卷積神經網路實戰:圖片辨識 
3.4 模型權重的儲存和載入 

04 自然語言處理利器:循環神經網路(RNN) 
4.1 循環神經網路(RNN)基本結構 
4.2 認識外幣匯率查詢資料集 
4.3 循環神經網路外幣匯率預測 
4.4 模型權重的儲存和載入 
4.5 長短期記憶(LSTM) 

05 機器學習雲端開發工具:Google Colab 
5.1 Colab:功能強大的虛擬機器 
5.2 在Colab中進行機器學習 

06 體驗機器學習雲端平台:Microsoft Azure 
6.1 專題方向 
6.2 電腦視覺資源 
6.3 臉部辨識資源 
6.4 文字語言翻譯資源 

07 臉部辨識登入系統:Azure臉部辨識應用 
7.1 專題方向 
7.2 Azure臉部客戶端程式庫 
7.3 刷臉登入系統 

08 自然語言處理:文字雲與文章自動摘要 
8.1 專題方向 
8.2 Jieba模組 
8.3 文字雲 
8.4 文章自動摘要 

09 語音辨識應用:YouTube影片加上字幕
9.1 專題方向 
9.2 語音辨識 
9.3 影片字幕製作 

10 投資預測實證:股票走勢分析 
10.1 專題方向 
10.2 台灣股市資訊模組 
10.3 股票分析 
10.4 股票預測 

11 自動標示物件:用Haar特徵分類器擷取車牌 
11.1 專題方向 
11.2 準備訓練Haar特徵分類器資料 
11.3 建立車牌號碼Haar特徵分類器模型 
11.4 使用Haar特徵分類器模型 

12 無所遁形術:即時車牌影像辨識 
12.1 專題方向 
12.2 車牌號碼機器學習訓練資料 
12.3 建立車牌辨識系統


作者介紹


作者簡介
 
文淵閣工作室
 
  一個致力於資訊圖書創作二十餘載的工作團隊,擅長用輕鬆詼諧的筆觸,深入淺出介紹難懂的 IT 技術,並以範例帶領讀者學習電腦應用的大小事。 
 
  我們不賣弄深奧的專有名辭,奮力堅持吸收新知的態度,誠懇地與讀者分享在學習路上的點點滴滴,讓軟體成為每個人改善生活應用、提昇工作效率的工具。 
 
  舉凡程式開發、文書處理、美工動畫、攝影修片、網頁製作,都是我們專注的重點,而不同領域有各自專業的作者組成,以進行書籍的規劃與編寫。一直以來,感謝許多讀者與學校老師的支持,選定為自修用書或授課教材。衷心期待能盡我們的心力,幫助每一位讀者燃燒心中的小宇宙,用學習的成果在自己的領域裡發光發熱! 
 
  我們期待自己能在每一本創作中注入快快樂樂的心情來分享, 也期待讀者能在這樣的氛圍下快快樂樂的學習。 
 
  官方網站:www.e-happy.com.tw 
  FB粉絲團:www.facebook.com/ehappytw






相關書籍

iPad Air/iPad mini 完全活用術:220 個超進化技巧攻略

MOS國際認證應考指南:Microsoft Excel Associate Exam MO-200

MOS國際認證應考指南:Microsoft Excel Expert (Excel and Excel 2019)|Exam MO-201

APCS 完全攻略:從新手到高手,C++ 解題必備!(暢銷回饋版)