圖解AI：機器學習和深度學習的技術與原理

　　「人工智慧」、「機器學習」、「深度學習」這些以前在科幻小說中才會見到的字眼，如今已經深入我們的日常，成為大家平日琅琅上口的名詞。可是，真的想要深入一點了解這些名詞，一翻開相關書籍，看到滿滿的數學公式頭就暈了，難道沒有人能夠用大家都聽得懂的方式解釋這些科技名詞嗎？

　　本書就是因應您心中的吶喊而生的一本書。這本書不會給你滿滿的數學式，而是藉由生活化的舉例、圖解進行說明，盡可能地表達人工智慧的正確知識。期望各位能夠透過本書，觸及機器學習的趣味與可能性，進而踏入機器學習的世界中。

　　藉由本書，您將可以：
　　．了解人工智慧、機器學習、深度學習三者之間的關係
　　．機器學習的程序與核心技術
　　．了解機器學習應用了哪些演算法
　　．深度學習的程序與核心技術
　　．了解深度學習應用了哪些演算法
 

作者簡介

山口 達輝

　　Aidemy股份有限公司的工程師。在Aidemy Premium Plan中，指導學員基本的機器學習程式設計、機器學習的實作。大學專攻運輸的自動駕駛技術，但在其他學科課程上，偶然從講師的題外話感受到機器學習的可能性，遂轉而成為AI工程師。

　　現在的興趣是人工智慧與腦科學的科技整合。「何謂人心？」這從國中時期就抱有的疑問再次點燃於胸中，開始大量閱讀認知科學的論文。

松田 洋之

　　Aidemy股份有限公司的工程師，在Aidemy Premium Plan中，協助回答學員的問題、諮詢討論、Aidemy的教材修正。原為文科出身，因高中時期對三角函數的加法定理感到挫折，大學起初選擇文學系（經濟學），但途中轉而攻讀工學系，成為機器學習工程師。興趣是經濟學與資訊科學的融合領域，前者是討論財產分配的最佳化，後者是討論運算資源的最佳化，由這點認為兩者的差異並不大。另外，因感覺機器學習幾乎不會用不到積分，而確信即便是文科出身，只要正確學習也能夠開拓通往機器學習工程師的道路。

第1章｜人工智慧的基礎知識
01 何謂人工智慧？
02 何謂機器學習（ML）？
03 何謂深度學習（DL）？
04 人工智慧與機器學習的普及過程

第2章｜機器學習的基礎知識
05 監督式學習的機制
06 非監督式學習的機制
07 增強學習的機制
08 統計與機器學習的差異
09 機器學習與特徵量
10 擅長與不擅長的領域
11 機器學習的運用範例

第3章｜機器學習的程序與核心技術
12 機器學習的基本工作程序
13 蒐集資料
14 資料變形
15 模型的作成與學習
16 批次學習與線上學習
17 使用測試資料驗證預測結果
18 學習結果的評估基準
19 超參數與模型的調整
20 主動學習
21 相關與因果
22 反饋迴圈

第4章｜機器學習的演算法
23 迴歸分析
24 支援向量機
25 決策樹
26 整體學習
27 整體學習的運用
28 邏輯迴歸
29 貝葉斯模型
30 時序分析與狀態空間模型
31 K 近鄰法（K-NN）與 K 平均法（K-Means）
32 維度縮減與主成分分析
33 最佳化與遺傳演算法

第5章｜深度學習的基礎知識
34 類神經網路與其歷史
35 深度學習與圖像辨識
36 深度學習與自然語言處理

第6章｜深度學習的程序與核心技術
37 誤差反向傳播法的類神經網路學習
38 類神經網路的最佳化
39 梯度消失問題
40 遷移學習

第7章｜深度學習的演算法
41 卷積類神經網路（CNN）
42 遞歸類神經網路（RNN）
43 增強學習與深度學習
44 自動編碼器
45 GAN（生成對抗網路）
46 物體偵測

第8章｜系統開發與開發環境
47 編寫人工智慧的主要程式語言
48 機器學習用資料庫與框架
49 深度學習的框架
50 GPU程式設計與高速化
51 機器學習服務

作者	株式会社アイデミー,山口達輝,松田洋之
出版社	碁峰
图书书号/ISBN	9789865025885
出版日期	2020-10-16
开本
图书页数	240
图书装订	平裝
图书规格	23 / 全彩印刷 / 普級
版次	初版
印张
字数
所属分类