0人評分過此書
Towards Tensorflow 2.0：無痛打造AI模型
內容簡介
本書改編自第11屆iT邦幫忙鐵人賽，GoogleDevelopersMachineLearning組冠軍網路系列文章⸺《TowardsTensorflow2.0：無痛打造AI模型》，是一本完整結合GoogleColab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Tensorflow2.0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。
本書改編自第11屆iT邦幫忙鐵人賽，GoogleDevelopersMachineLearning組冠軍網路系列文章⸺《TowardsTensorflow2.0：無痛打造AI模型》，是一本完整結合GoogleColab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Tensorflow2.0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。
-
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
-
1-3-1 開始使用Colab
-
1-3-2 從雲端硬碟讀取資料至Colab
-
1-3-3 讀取Kaggle上的資料集至Colab
-
-
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）
-
5-1-1 簡單線性迴歸（Simple Linear Regression）
-
-
5-2 優化器（Optimizer）
-
5-2-1 什麼是梯度（Gradient）?
-
5-2-2 優化器（Optimizer）
-
-
5-3 深度神經網路（Deep Neural Network）
-
5-3-1 激活函數（Activation Function）
-
-
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
-
6-2-1 VGG的核心概念
-
6-2-2 VGG－Colab實作
-
-
6-3 ResNet
-
6-3-1 ResNet－Colab實作
-
-
6-4 Inception（GoogleNet）
-
6-4-1 Inception v1
-
6-4-2 Inception v2、v3
-
6-4-3 Inception v4
-
6-4-4 GoogleNet－Colab實作
-
-
-
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
-
7-2-1 遞歸神經網路類型
-
-
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）
-
9-4 Variational Auto-Encoder（VAE）實作
-
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
-
10-2-1 Q-learning
-
10-2-2 Sarsa
-
10-2-3 Policy Gradient
-
-
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 如何解決Underfit以及Overfit的問題
-
11-2 模型視覺化－TensorBoard
-
11-3 遷移學習（Transfer Learning）
-
11-4 模型服務（Model Serving）
-
11-4-1 Flask
-
11-4-2 TF-Serving
-
-
11-5 總結
-
- 出版地 ： 臺灣
- 語言 ： 繁體中文
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
PDF
PDF
