買這商品的人也買了...
-
實用深度學習$360$353 -
資料壓縮$640$627 -
資料庫系統理論與應用：使用 SQL Server + Access (附範例光碟)$490$441 -
深度學習的數學地圖 -- 用 Python 實作神經網路的數學模型 (附數學快查學習地圖)$580$458 -
決心打底！Python 深度學習基礎養成$690$587 -
初探機器學習－從認識 AI 到 Kaggle競賽 (學AI真簡單系列1)$280$252 -
動手做深度學習－揭開神經網路的面紗 (學AI真簡單系列2)$280$252 -
AI 人工智慧導論$480$432 -
Laravel 框架開發實戰$299$284 -
機器學習的統計基礎 : 深度學習背後的核心技術$680$537 -
AIOT 與 OpenCV 實戰應用：Python、樹莓派、物聯網與機器視覺, 3/e$500$425 -
開發者傳授 PyTorch 秘笈$1,200$948 -
Keras 大神歸位：深度學習全面進化！用 Python 實作 CNN、RNN、GRU、LSTM、GAN、VAE、Transformer$1,200$948 -
ASP.NET Core 工程師不可不知的 10大安全性漏洞與防駭方法$690$538 -
資訊管理：智慧化企業的核心競爭能力, 8/e (適用: 大學．研究所．實務界)$800$760 -
Python + OpenCV — 機器學習 + 深度學習 40大電腦視覺案例入門到實戰$1,200$1,020 -
資料科學基礎數學 (Essential Math for Data Science)$680$537 -
一本精通 - OpenCV 與 AI 影像辨識$680$537 -
ASP.NET Core 7 MVC 跨平台範例實戰演練$860$679 -
世界第一簡單的 Python「超」入門 - 零基礎 OK！ChatGPT 隨時當助教！$499$394 -
一本精通 - Python 範例應用大全：Python 詳細語法教學 & 100+ 個 Python 範例$880$695 -
從 AI 到 生成式 AI：40個零程式的實作體驗，培養新世代人工智慧素養$560$442 -
Deep Learning 4｜用 Python 進行強化學習的開發實作$680$537 -
輕鬆自學 ASP.NET Core MVC(.NET 8)：從建置到部署的 Web 程式經典範例實作$780$616 -
資料結構初學指引 ─ 入門精要版, 4/e$600$468
相關主題
商品描述
本書特色
1.詳盡敘述人工智慧的發展及遇到之瓶頸，並說明近年來為何又開始一波新的熱潮。
2.本書內容貼近產業應用，說明AI如何應用在各大產業、服務以及新商品與革新。
3.透過AI技術的發展與創新，引導讀者瞭解，隨著人工智慧持續發展，AI對人們的未來生活可能帶來衝擊與影響。
4.本書除了詳盡介紹機器學習、深度學習、人工智慧等技術的理論架構外，也講解了人工智慧如何應用在各大領域，如車牌辨識、自然語言處理等。
5.本書巧妙的運用範例、圖例講解人工智慧的理論與技術，使理論架構變得淺顯易懂。
內容簡介
人工智慧相關的議題歷史悠久，本書詳盡敘述人工智慧過往的發展和遇到的瓶頸，並說明近年來為何又開始一波新的熱潮，在這波熱潮中，本書內容貼近產業應用，說明AI如何應用在各大產業、服務以及新商品與革新。此外，本書亦透過AI技術的發展與創新，引導讀者瞭解，隨著人工智慧持續發展，AI對人們的未來生活可能帶來衝擊與影響。
本書巧妙的運用範例、圖例及影片(QR Code)講解人工智慧的理論與技術，使理論架構變得淺顯易懂，不再因為艱澀難懂的數學公式抹滅了學習的興趣及成就，本書藉由邏輯清晰的『訓練資料』來訓練讀者，使其能夠越讀越明白，越學越有成就。
本書適用於科大資工、電機、電子及人工智慧系「人工智慧」課程使用。
目錄大綱
CH1 人工智慧起源
1-1 遍地開花的人工智慧
1-2 人工智慧的發展
1-3 人工智慧@臺灣
1-4 AI創造的未來生活
參考資料
CH2 應用篇
2-1 影像處理
2-2 自然語言處理
2-3 邏輯推理
2-4 推薦系統
2-5 疾病預測與醫療
CH3 機器學習篇
3-1 建置Python開發環境
3-2 機器學習簡介(Introduction to Machine Learning)
3-3 機器學習演算法
CH4 深度學習篇
4-1 深度學習簡介(Introduction to Deep Learning)
4-2 卷積神經網路(Convolution Neural Network, CNN)
4-3 類神經網路的學習方式(Artificial Neural Network, ANN)
4-4 遞歸神經網路(Recurrent Neural Network, RNN)
4-5 自編碼網路(Autoencoder Network, AE)
4-6 生成對抗網路(Generative Adversarial Network, GAN)
CH5 實務篇
5-1 人工智慧實務應用-電腦視覺
5-2 人工智慧實務應用-自然語言處理
CH6 人工智慧的未來與挑戰
6-1 人工智慧未來趨勢
6-2 工智慧省思與挑戰
參考資料
習題
