強者用 PyTorch：實作史上最經典 AI 範例

集智俱樂部

強者用 PyTorch：實作史上最經典 AI 範例
  • 出版商: 深智
  • 出版日期: 2020-01-20
  • 定價: $690
  • 售價: 8.5 折 $587
  • 語言: 繁體中文
  • 頁數: 496
  • 裝訂: 平裝
  • ISBN: 9865501120
  • ISBN-13: 9789865501129
  • 相關分類: DeepLearning

    • 已絕版

買這商品的人也買了...

相關主題

商品描述

本書特色

►深度學習、PyTorch的入門書

►透過實際經典案例循序講解

內容簡介

 

還在用難用的Tensorflow嗎？還在用太簡單的Keras嗎？

2020年將是Pytorch正式超越Tensorflow、一統人工智慧框架世界的時代，如果還在頭痛怎麼用Tensorflow實作MNIST，快點投入PyTorch的懷抱吧！

本書實作最經典的人工智慧神經網路的案例，並且放入最新真實世界中的應用範例，如果有心要學習人工智慧，這本PyTorch實例書將帶你完成史上最有名的幾個經典範例，讓你功力大增之外，更一舉成為人工智慧的強者！

全書重點包括：

► 深度學習一路走來的歷史

► PyTorch的張量、自動微分及nn模組的介紹

► 預測共享單車投放數量

► 中文文章情緒分析器

► 一定要會的用CNN完成MNIST的辨識

► 大型遷移學習對動物分類進行預測

► MNIST的進一步，幫你把數字加起來

► 自己動手做PRISMA：20種藝術家風格轉到你的照片

► 假新聞有什麼稀奇，假以亂真的照片才叫厲害：GAN實作

► NLP的大神Word2Vec的實作

► 人工智慧音樂家：利用LSTM製作自動作曲機

► Google的祕密武器：神經網路翻譯系統實作

► 外掛有什麼了不起？用AI打電動，強化學習實作

專家推薦

「這本書緊接業界潮流，將人工智慧科普帶入了後AlphaGo 時代：遊戲飛鳥、自動作曲、語義星空⋯⋯涵蓋了深度學習領域的主流玩法。書中既有清晰容易的知識說明，讓你打好理論基礎，又有詳細的程式展示，一步步地教你做實際專案。這是一本揭示深度學習的秘笈！」

袁行遠，彩雲科技CEO、創始人

「本書寓教於樂，精心設計的實戰案例和循序漸進的學習方式都令人耳目一新。先從實戰專案出發，然後引用理論說明，最後深入剖析工作原理，環環相扣，引人入勝。期待看到PyTorch 之火的燎原之勢。」

高文超，微軟研究院軟體開發工程

「以2011 年AlexNet 贏得ImageNet 競賽為起始點，深度學習迅速席捲了整個人工智慧領域，但目前出版的有關深度學習的書大多偏重理論。這本書注重理論和實作的緊密結合，讀者可以在瞭解深度學

習原理之後，立刻跟隨書中的程式動手實作，加深了解。如果想要追上人工智慧的浪潮，這本書是一個不錯的開始。」

鮑捷，文因互連CEO、聯合創始人

適合讀者群：人工智慧相關軟體工程師、對人工智慧有興趣者，或作為深度學習教材用。

作者簡介

集智俱樂部（Swarma Club）
成立於2003年，是一個從事學術研究、享受科學樂趣的探索者團體。宣導以平等開放的態度、科學實證的精神，進行跨學科的研究與交流，力圖搭建一個「沒有圍牆的研究所」。 

目錄大綱

前言

01 深度學習簡介

1.1 深度學習與人工智慧

1.2 深度學習的歷史淵源

1.3 深度學習的影響因素

1.4 深度學習為什麼如此成功

1.5 小結

1.6 參考文獻

02 PyTorch 簡介

2.1 PyTorch 安裝

2.2 初識PyTorch

2.3 PyTorch 實例：預測房價

2.4 小結

03 單車預測器：你的第一個神經網路

3.1 共享單車的煩惱

3.2 單車預測器1.0

3.3 單車預測器2.0

3.4 剖析神經網路Neu

3.5 小結

3.6 Q&A

04 機器也懂感情-- 中文情緒分類器

4.1 神經網路分類器

4.2 詞袋模型分類器

4.3 程式實現

4.4 執行結果6

4.5 剖析神經網路

4.6 小結

4.7 Q&A

05 手寫數字識別器-- 認識卷積神經網路

5.1 什麼是卷積神經網路

5.2 手寫數字識別器

5.3 剖析卷積神經網路

5.4 小結

5.5 Q&A

5.6 擴充閱讀

06 手寫數字加法機-- 遷移學習

6.1 什麼是遷移學習

6.2 應用案例：遷移學習如何抗擊貧困

6.3 螞蟻還是蜜蜂：遷移大型卷積神經網路

6.4 手寫數字加法機

6.5 小結

6.6 實作專案：遷移與效率

07 你自己的Prisma -- 影像風格遷移

7.1 什麼是風格遷移

7.2 風格遷移技術發展簡史

7.3 神經網路風格遷移

7.4 神經網路風格遷移實戰

7.5 小結

7.6 擴充閱讀

08 人工智慧造假術-- 影像產生與對抗學習

8.1 反卷積與影像產生

8.2 影像產生實驗1-- 最小均方誤差模型

8.3 影像產生實驗2-- 產生器—識別器模型

8.4 影像產生實驗3--GAN

8.5 小結

8.6 Q&A

8.7 擴充閱讀

09 詞彙的星空-- 神經語言模型與Word2Vec

9.1 詞向量技術介紹

9.2 NPLM：神經機率語言模型

9.3 Word2Vec

9.4 Word2Vec 的應用

9.5 小結

9.6 Q&A

10  LSTM 作曲機-- 序列產生模型

10.1 序列產生問題

10.2 RNN 與LSTM

10.3 簡單01 序列的學習問題

10.4 LSTM 作曲機

10.5 小結

10.6 Q&A

10.7 擴充閱讀

11 神經翻譯機-- 點對點機器翻譯

11.1 機器翻譯簡介

11.2 編碼—解碼模型

11.3 注意力機制

11.4 更多的改進

11.5 神經翻譯機的編碼實現

11.6 更多改進

11.7 廣義的翻譯

11.8 Q&A

12  AI 遊戲高手-- 深度強化學習

12.1 強化學習簡介

12.2 深度Q 學習演算法

12.3 DQN 玩Flappy Bird 的PyTorch 實現

12.4 小結

12.5 通用人工智慧還有多遠

12.6 Q&A

12.7 參考文獻

類似商品