Towards Tensorflow 2.0：無痛打造AI模型（iT邦幫忙鐵人賽係列書） pdf epub mobi txt 電子書下載 2024

圖書介紹

☆☆☆☆☆
簡體網頁||繁體網頁

作者陳峻廷

出版者博碩

翻譯者

出版日期齣版日期：2020/07/08

語言語言：繁體中文

下載鏈接在頁面底部

點擊這裡下載

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

想要找書就要到小特書站

ttbooks.qciss.net

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

發表於2024-11-17

類似圖書點擊查看全場最低價

圖書描述

　　本書改編自第 11 屆 iT 邦幫忙鐵人賽，Google Developers Machine Learning 組冠軍網路係列文章 ⸺《Towards Tensorflow 2.0：無痛打造AI模型》，是一本完整結閤 Google Colab 學習Tensorflow 的颱灣本土專書。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，豐富內容結閤業界實戰心得與應用 ( 包括：價格預測、影像辨識、推薦係統等 )，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，由淺入深帶你瞭解 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。除瞭實作，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。

著者信息

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，並緻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傢。

Towards Tensorflow 2.0：無痛打造AI模型（iT邦幫忙鐵人賽係列書） pdf epub mobi txt 電子書下載

圖書目錄

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 捲積神經網路 (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 推薦係統 (Recommendation System)
8-1 推薦係統介紹
8-2 Wide & Deep 推薦係統介紹
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