深度學習詳解｜台大李宏毅老師機器學習課程精粹
王琦、楊毅遠、江季
- 出版商: 碁峰資訊
- 出版日期: 2025-06-09
- 定價: $750
- 售價: 7.9 折 $593
- 語言: 繁體中文
- 頁數: 456
- ISBN: 6264250805
- ISBN-13: 9786264250801
-
相關分類:
DeepLearning
- 此書翻譯自: 深度學習詳解 銷售排行: 🥉 2025/8 繁體中文書 銷售排行 第 3 名
🥉 2025/7 繁體中文書 銷售排行 第 3 名
🥉 2025/6 繁體中文書 銷售排行 第 3 名
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
經典電腦科學問題解析｜使用 Python (Classic Computer Science Problems in Python)$480$408 -
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 -
LLM 大型語言模型的絕世祕笈：27路獨步劍法，帶你闖蕩生成式 AI 的五湖四海 （iThome鐵人賽系列書）$650$507 -
讓 AI 好好說話！從頭打造 LLM (大型語言模型) 實戰秘笈$680$537 -
生成式 AI 入門 – 揭開 LLM 潘朵拉的秘密 : 語言建模、訓練微調、隱私風險、合成媒體、認知作戰、社交工程、人機關係、AI Agent、OpenAI、DeepSeek (Introduction to Generative AI)$580$458 -
邊緣 AI－使用 NVIDIA Jetson Orin Nano 開發具備深度學習、電腦視覺與生成式 AI 功能的 ROS2 機器人$580$458 -
AI 超神筆記術：NotebookLM 高效資料整理與分析 250技$480$379 -
生成式 AI 專案實踐指南：從模型挑選、上線、RAG 技術到 AI Agent 整合$650$507 -
Python 原力爆擊：OpenAI / Gemini / AWS / Ollama 生成式 AI 應用新手指南$650$507 -
深度學習最佳入門與專題實戰：理論基礎與影像篇$980$774 -
深度學習最佳入門與專題實戰：自然語言處理、大型語言模型與強化學習篇$880$695 -
GitHub Copilot 讓你寫程式快 10 倍！AI 程式開發大解放$690$545 -
Hey Siri 及 Ok Google 原理 - AI 語音辨識專案真應用開發, 2/e$880$695 -
深入淺出軟體架構 (Head First Software Architecture)$980$774 -
因果推論的商業應用：用 Python 解鎖科技產業的精準行銷 (Causal Inference in Python)$880$695 -
AI Vision × LLM 電腦視覺應用聖經：OpenCV × YOLO × Ollama 解鎖多模態全攻略$880$695 -
業界實戰親授 - 大型語言模型微調、最佳化、佈署一次到位$980$774 -
OpenAI API 開發手冊 - 用 Responses API、Realtime API、MCP、Agents SDK、Function calling 打造即時語音、RAG、Agent 應用$790$624 -
跟 NVIDIA 學 LLM 基礎！GPT、Transformer、attention、self-attention 機制、seq2seq 架構，紮穩大型語言模型的深度學習建模技術 （《跟 NVIDIA 學深度學習》修訂版）$880$695 -
軟體測試修練指南：我獨自升級的實戰心法（iThome鐵人賽系列書)$690$538 -
動手做 AI Agent：LLM 應用開發實戰力$650$514 -
打造史上最強 AI 組合技！NotebookLM / Gemini / Gemini Live / Imagen / Veo 一起攜手放大絕，打造職場超能力$499$374 -
AI 工程｜從基礎模型建構應用 (AI Engineering : Building Applications with Foundation Models)$1,200$948 -
AI Agent 奇幻旅程：MCP 通往異世界金鑰（含最新 OpenAI GPT-5 範例）$680$530 -
Ollama 本地 AI 全方位攻略：命令列功能、五大主題測試、RAG、Vibe Coding、MCP，一本搞定所有實戰應用$750$593
AI NotebookLM 2書75折 詳見活動內容 »
-
79折
AI 超神筆記術：NotebookLM 高效資料整理與分析 250技
$480$379 -
79折
AI 超神活用術：Felo 搜尋、筆記、簡報、網頁、知識庫、心智圖與視覺圖表全能助手$490$387 -
79折
最強 AI 組合技！NotebookLM / Gemini / Nano Banana / Veo 3 【影音生成進化版】$499$394 -
79折
Google BI 解決方案：Looker Studio × AI 數據驅動行銷實作，完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
AI 加持！Google Sheets 超級工作流$599$473 -
75折
打造史上最強 AI 組合技！NotebookLM / Gemini / Gemini Live / Imagen / Veo 一起攜手放大絕，打造職場超能力
$499$374 -
79折
Gemini x NotebookLM 領軍：Nano Banana x Imagen x Veo x Gem x Gemini Live - Google 多模態 AI 工作流$620$490 -
79折
寫程式的 AI 戰友 – VS Code x GitHub Copilot$720$569 -
79折
全面掌握 Gemini 開發實務：輕鬆駕馭 Google AI 引擎$680$537 -
79折
Canva + AI 創意設計與品牌應用 300招：從商業技巧、社群祕技到AI圖文影音特效, 2/e$560$442 -
79折
圖像生成 AI Stable Diffusion 實作技法書：從設定、生成到調整，全面掌握 AI 繪圖實戰技！$550$435 -
79折
動手做 AI Agent：LLM 應用開發實戰力
$650$514 -
79折
深度學習詳解｜台大李宏毅老師機器學習課程精粹$750$593 -
79折
跟我學 Photoshop 一定要會的影像處理技巧 X AI 生成應用, 5/e$590$466 -
79折
AI 提問 X 學習 X 應用：ChatGPT、NotebookLM、Gemini、GitHub Copilot從零到完全實戰$390$308 -
78折
AIGC 全能實作教科書：一次學會 ChatGPT、簡報、設計與影音繪圖，打造你的 AI 創作工作術$680$530 -
79折
Excel 自學聖經：完整入門到職場活用技巧與實例大全 X AI工作術, 3/e$650$514 -
79折
跟我學 Windows 11 輕鬆操作、高效應用必備技 (附「Copilot智慧AI助手」與「Win11進階應用」教學影片)$580$458 -
79折
全面掌握 DeepSeek － LLM 微調、生成式 AI、企業級應用開發$600$474 -
79折
iPAS 淨零碳規劃管理師初級能力鑑定｜淨零碳規劃管理基礎概論&淨零碳盤查規範與程序概要$490$387 -
79折
AI 繪圖一秒上手：用中文提示詞實現創意 (ChatGPT、Copilot、Designer、Bing、Sora)$580$458 -
79折
Microsoft Azure AI Services 與 Azure OpenAI 從入門到人工智慧程式開發 -- 使用 Python (含MCF AI-900國際認證)$560$442 -
79折
邊緣 AI－使用 NVIDIA Jetson Orin Nano 開發具備深度學習、電腦視覺與生成式 AI 功能的 ROS2 機器人
$580$458 -
79折
Microsoft Azure AI Services 與 Azure OpenAI 開發基礎必修課 -- 使用 C#$550$435 -
78折
AI + ESP32-CAM + AWS：物聯網與雲端運算的專題實作應用$650$507
相關主題
商品描述
台灣大學電機工程學系 李宏毅教授 ～專文推薦～
很高興看到Datawhale的王琦、楊毅遠、江季等同學將我的線上錄影轉化為可閱讀的教材，他們的努力使我的教學內容能接觸更多學子。希望這本書能幫助更多人探索深度學習領域，激發更多學子對這個領域的興趣和熱情。
■ 名師授課精華，一本掌握深度學習核心觀念
台灣大學電機工程學系李宏毅教授開設的「機器學習」與「生成式AI」課程在YouTube上廣受歡迎，累積超過30萬訂閱，影響力橫跨學界與業界。
本書依據李宏毅教授「機器學習」課程中與深度學習相關的內容編寫，並融合近年課程更新重點，為AI學習者提供最完整、最系統化的深度學習知識架構。
■ 從基礎到進階，完整呈現深度學習關鍵知識
內容包括了深度學習的基礎知識、類神經網路的訓練技巧、生成模型、自監督學習（包括 BERT 和 GPT）、擴散模型、元學習、神經網路壓縮等。此外，還探討了如何解決類神經網路訓練中的常見問題，如局部最小值、鞍點、批次與動量、自動調整學習速率等。
■ 理論實務兼具，打造易懂又實用的學習體驗
在理論嚴謹的基礎上，本書保留了課程中大量生動有趣的例子，幫助讀者從生活化的角度瞭解深度學習的概念、建模過程與核心演算法細節。適合對深度學習感興趣，想要入門深度學習的讀者閱讀，更可作為深度學習相關課程的教材。
作者簡介
王琦
上海交通大學人工智能教育部重點實驗室博士研究生，碩士畢業於中國科學院大學。Datawhale成員，《Easy RL：強化學習教程》作者，英特爾邊緣計算創新大使，Hugging Face社區志願者，AI TIME成員。主要研究方向為強化學習、計算機視覺、深度學習。曾獲「中國光谷．華為杯」第十九屆中國研究生數學建模競賽二等獎、中國大學生計算機設計大賽二等獎、亞太地區大學生數學建模競賽（APMCM）二等獎，並發表多篇SCI/EI論文。
楊毅遠
牛津大學計算機系博士研究生，碩士畢業於清華大學。Datawhale成員，《Easy RL：強化學習教程》作者。主要研究方向為時間序列、資料探勘、智能傳感系統及深度學習。曾獲中國國家獎學金、北京市優秀畢業生、清華大學優秀碩士學位論文及中國大學生智能汽車競賽總冠軍等榮譽，並發表多篇SCI/EI論文。
江季
網易高級算法工程師，碩士畢業於北京大學。Datawhale成員，《Easy RL：強化學習教程》作者。主要研究方向為強化學習、深度學習、大模型及機器人等。曾獲中國國家獎學金、上海市優秀畢業生等榮譽，並取得多項強化學習與遊戲AI相關專利。
目錄大綱
chapter 1 機器學習基礎
1.1 案例學習
1.2 線性模型
chapter 2 實踐方法論
2.1 模型偏差
2.2 最佳化問題
2.3 過擬合
2.4 交叉驗證
2.5 不匹配
chapter 3 深度學習基礎
3.1 局部最小值與鞍點
3.2 批次和動量
3.3 自適化學習率
3.4 學習率排程
3.5 最佳化總結
3.6 分類
3.7 批次正規化
chapter 4 卷積神經網路
4.1 觀察 1：檢測模式不需要整幅圖片
4.2 簡化 1：感知域
4.3 觀察 2：同樣的模式可能出現在圖片的不同區域
4.4 簡化 2：共用參數
4.5 簡化 1 和簡化 2 的總結
4.6 觀察 3：降取樣不影響模式檢測
4.7 簡化 3：池化
4.8 卷積神經網路的應用：下圍棋
chapter 5 遞迴神經網路
5.1 獨熱編碼
5.2 什麼是 RNN
5.3 RNN 架構
5.4 其他 RNN
5.5 LSTM 網路原理
5.6 RNN 的學習方式
5.7 如何解決 RNN 的梯度消失或梯度爆炸問題
5.8 RNN 的其他應用
chapter 6 自注意力機制
6.1 輸入是向量序列的情況
6.2 自注意力機制的運作原理
6.3 多頭自注意力
6.4 位置編碼
6.5 截斷自注意力
6.6 對比自注意力與卷積神經網路
6.7 對比自注意力與遞迴神經網路
chapter 7 Transformer
7.1 序列到序列模型
7.2 Transformer 結構
7.3 Transformer 編碼器
7.4 Transformer 解碼器
7.5 編碼器—解碼器注意力
7.6 Transformer 的訓練過程
7.7 序列到序列模型訓練常用技巧
chapter 8 生成模型
8.1 生成對抗網路
8.2 生成器與判別器的訓練過程
8.3 GAN 的應用案例
8.4 GAN 的理論介紹
8.5 WGAN 演算法
8.6 GAN 訓練的困難點與技巧
8.7 GAN 的效能評估方法
8.8 條件型生成
8.9 CycleGAN
chapter 9 擴散模型
9.1 擴散模型產生圖片的過程
9.2 降噪模組
9.3 訓練雜訊預測器
chapter 10 自監督學習
10.1 BERT
10.2 GPT
chapter 11 自動編碼器
11.1 自動編碼器的概念
11.2 為什麼需要自動編碼器
11.3 降噪自動編碼器
11.4 自動編碼器應用之特徵解離
11.5 自動編碼器應用之離散隱性表徵
11.6 自動編碼器的其他應用
chapter 12 對抗式攻擊
12.1 對抗式攻擊簡介
12.2 如何進行網路攻擊
12.3 快速梯度符號法
12.4 白箱攻擊與黑箱攻擊
12.5 其他模態資料被攻擊案例
12.6 現實世界中的攻擊
12.7 防禦方式中的被動防禦
12.8 防禦方式中的主動防禦
chapter 13 轉移學習
13.1 領域偏移
13.2 領域自適應
13.3 領域概化
chapter 14 增強式學習
14.1 增強式學習的應用
14.2 增強式學習框架
14.3 評價動作的標準
chapter 15 元學習
15.1 元學習的概念
15.2 元學習的三個步驟
15.3 元學習與機器學習
15.4 元學習的實例演算法
15.5 元學習的應用
chapter 16 終身學習
16.1 災難性遺忘
16.2 終身學習的評估方法
16.3 終身學習問題的主要解法
1chapter 17 網路壓縮
17.1 網路修剪
17.2 知識蒸餾
17.3 參數量化
17.4 網路架構設計
17.5 動態計算
chapter 18 可解釋性機器學習
18.1 可解釋性人工智慧的重要性
18.2 決策樹模型的可解釋性
18.3 可解釋性機器學習的目標
18.4 可解釋性機器學習中的局部解釋
18.5 可解釋性機器學習中的全局解釋
18.6 擴充與小結
chapter 19 ChatGPT
19.1 ChatGPT 簡介和功能
19.2 對 ChatGPT 的誤解
19.3 ChatGPT 背後的關鍵技術—預訓練
19.4 ChatGPT 帶來的研究問題
