Deep Learning｜用 Python 進行深度學習的基礎理論實作

購買商店

Deep Learning｜用 Python 進行深度學習的基礎理論實作

$458.00

馬上購買

內容描述

不走捷徑，幫助您真正搞懂「深度學習」的真義
這是一本與「深度學習」有關的書籍。從入門開始說明，一步一步帶領你瞭解深度學習必須具備的知識。本書可以幫助您了解：深度學習究竟是什麼？有何特色？根據何種原理來運作？
從零開始，由實做中學習
本書的目標是，盡量避免使用不瞭解內容的「黑盒子」，以基礎的知識為起點，以容易上手的Python撰寫程式，從動手實作的過程中，一步步深入瞭解深度學習。若以車用書籍來比喻這本書的話，這本書並不屬於汽車駕訓教材，而是希望能夠幫助您瞭解車子的原理，而非教您開車的方法。為了瞭解汽車的結構，必須試著打開車子的引擎蓋，將每個零件都拿起來觀察、操作看看。然後盡量用簡單的形狀，篩選出車子的核心部分，就像組合迷你模型般，製作出這台車子。本書的目標，就是透過製作車子的過程，讓你感受到自己實際可以製作出車子，進而熟悉與車子的相關技術。
本書特色：
．利用最少的外部函式庫，使用Python，從零開始實際執行深度學習的程式。
．說明Python 的用法，讓Python 的初學者也能理解。
．實際執行Python 的原始碼，同時提供讀者手邊可以進行實驗的學習環境。
．從簡單的機器學習問題開始，到最後執行精密辨識影像的系統。
．以淺顯易懂的方式說明深度學習與神經網路理論。
．針對看似複雜的技術，如誤差反向傳播與卷積運算等，利用實際操作方式說明，幫助理解。
．介紹在執行深度學習時，有幫助且實用的技巧，包括決定學習率的方法、權重的預設值等。
．說明Batch Normalization、Dropout、Adam 等最近的趨勢與操作。
．為什麼深度學習很優秀，為什麼加深層數，就能提高辨識準確度，為什麼隱藏層很重要，仔細說明這些「為什麼」。
．介紹自動運作、產生影像、強化學習等深度學習的應用範例。

目錄大綱

第一章 Python入門
第二章 感知器
第三章 神經網路
第四章 神經網路的學習
第五章 誤差反向傳播法
第六章 與學習有關的技巧
第七章 卷積神經網路
第八章 深度學習
附錄A Softmax-with-Loss層的計算圖
參考文獻

作者介紹

斎藤康毅
1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。