內文簡介
＜內容簡介＞

▍獨角獸新創公司 Preferred Networks 創辦人
▍2022 年日本「現代名工」獲獎者
▍閱讀千篇論文的深厚學識精華
✧✦AI 神人親自講解深度學習的技術奧秘！✦✧

千變萬化的 AI 應用，核心都是「深度學習」。
掌握深度學習，才能迎接 AI 世代的新挑戰！

【基礎概念：深度學習的特色、與機器學習的不同】
認識機器學習的不同類型，詳細瞭解神經網路、特徵學習、反向傳播，如何使深度學習脫穎而出。

【發展進化：正規化層、跳躍連接、注意力單元】
深入解說這三項核心技術的數學原理，認識深度學習克服各種困難、大幅進化的歷程。

【實際應用：影像辨識、語音辨識、自然語言處理】
綜合以上基礎，說明深度學習從輸入到輸出完整執行實際任務的過程，以及各種基礎技術在不同應用領域所擔任的重要角色。

【技術回顧：AI 發展的坎坷與突破】
早在 1956 年提出的 AI，為何數十年間乏人問津？深度學習又是如何重燃 AI 的火種？回顧 AI 發展，更能洞察未來方向。

★特別收錄：精選基礎數學★
把學校的數學課忘光了也不用怕！附錄彙整深度學習的必要數學知識，有疑問隨時翻閱，回頭立刻跟上大師講解。

本書不含：
✗走馬看花的簡略介紹
✗只用大量文字描述數學概念
✗只挑知名的技術做單元介紹

本書注重：
✓各技術運作方式的詳盡解說與參考文獻
✓大量圖片表達技術要旨、實際數學式演示過程
✓各技術發展背景與傳承脈絡，描繪深度學習的改革史

✧✦探索 AI 奧祕絕不該錯過的精采好書！✦✧

★本書特色：

◆難度由淺入深，從基礎數學開始紮穩根基
書中數學式從符號開始一一解說，各種計算及推導都仔細說明，書末更附上基礎數學補充，數學課忘光也不怕

◆核心關鍵技術一網打盡，完整掌握深度學習
學習模型 / 損失函數 / 梯度下降法 / 反向傳播 / 卷積層 / 循環層 / 閘控機制 / 激活函數 / 正規化 / 跳躍連接 / 注意力單元……核心技術全面涵蓋

◆插圖、文字、數學式，三管齊下詳盡講解
- 以圖示勾勒整體概念
- 以文字解構問題並說明思路
- 以數學式演示技術流程
3 方向完整拆解、充分理解，讀懂原理不必再囫圇吞棗

◆從背景到傳承，清楚描繪技術發展脈絡
偉大的技術，即是解決過去的問題，並提出未來的問題；本書清楚描繪核心技術環環相扣的進化史，更能展望 AI 未來的新發展

★專家推薦：

王道維｜國立清華大學物理系教授 / 人文社會 AI 應用與發展研究中心副主任
林筱玫｜台灣人工智慧協會執行長
劉育維｜人工智慧解決方案專家暨網路作家
▍專業推薦 (依姓名筆劃排列)

★目錄：

第 1 章深度學習與人工智慧
為何深度學習能夠成功

1.1 何謂深度學習？什麼是人工「智慧」？
1.2 深度學習迅速發展的背景
1.3 深度學習的計算資源
1.4 人工智慧的歷史
1.5 未來將如何應用深度學習？
1.6 本章小結

第 2 章機器學習入門
何謂電腦的「學習」？

2.1 機器學習的背景知識
2.2 模型、參數與資料
2.3 普適能力 — 能否處理未知資料？
2.4 學習的方法 — 監督式學習、非監督式學習與強化式學習
2.5 問題設定的分類學
2.6 機器學習的基本 — 了解機器學習的各種概念
2.7 以機率模型理解機器學習
2.8 本章小結

第 3 章深度學習的技術基礎
組合資料轉換的「層」實現特徵學習的效果

3.1 特徵學習 — 「標示特徵」的重要性及挑戰
3.2 深度學習的基礎知識
3.3 神經網路是什麼樣的模型？
3.4 神經網路的學習
3.5 反向傳播 — 有效率地計算梯度
3.6 神經網路的主要組成元素
3.7 本章小結

第 4 章深度學習的發展
改善學習與預測的正規化層／跳躍連接／注意力單元

4.1 將「學習」由理論化為現實的基礎技術 — 類似ReLU的激活函數
4.2 正規化層
4.3 跳躍連接
4.4 注意力單元 — 根據輸入，動態改變資料傳遞方式
4.5 本章小結

第 5 章深度學習的應用技術
大幅進化的影像辨識、語音辨識、自然語言處理

5.1 影像辨識
5.2 語音辨識
5.3 自然語言處理
5.4 本章小結

附錄精選基礎
深度學習所需的數學概念

A.1 線性代數
A.2 微分
A.3 機率

＜作者簡介＞

岡野原大輔　Daisuke Okanohara
2010 年畢業於東京大學資訊理工學系計算機科學專攻博士課程（資訊理工學博士）。2006 年在學期間與友人共同創辦 Preferred Infrastructure，並於 2014 年創立 Preferred Networks。目前擔任 Preferred Networks 的代表取締役研究總裁（CER），以及 Preferred Computational Chemistry 的代表取締役社長。

相關分類

購物須知

寄送時間	全台灣24h到貨，遲到提供100元現金積點。全年無休，週末假日照常出貨。例外說明
送貨方式	透過宅配送達。除網頁另有特別標示外，均為常溫配送。消費者訂購之商品若經配送兩次無法送達，再經本公司以電話與Email均無法聯繫逾三天者，本公司將取消該筆訂單，並且全額退款。
送貨範圍	限台灣本島與離島地區註，部分離島地區包括連江馬祖、綠島、蘭嶼、琉球鄉…等貨件，將送至到岸船公司碼頭，需請收貨人自行至碼頭取貨。注意！收件地址請勿為郵政信箱。註：離島地區不配送安裝商品、手機門號商品、超大材商品及四機商品。
售後服務	缺掉頁更換新品
執照證號＆登錄字號	本公司食品業者登錄字號A-116606102-00000-0

關於退貨

PChome24h購物的消費者，都可以依照消費者保護法的規定，享有商品貨到次日起七天猶豫期的權益。(請留意猶豫期非試用期!!)您所退回的商品必須回復原狀（復原至商品到貨時的原始狀態並且保持完整包裝，包括商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性）。商品一經拆封/啟用保固，將使商品價值減損，您理解本公司將依法收取回復原狀必要之費用(若無法復原，費用將以商品價值損失計算)，請先確認商品正確、外觀可接受再行使用，以免影響您的權利，祝您購物順心。
如果您所購買商品是下列特殊商品，請留意下述退貨注意事項：
1. 易於腐敗之商品、保存期限較短之商品、客製化商品、報紙、期刊、雜誌，依據消費者保護法之規定，於收受商品後將無法享有七天猶豫期之權益且不得辦理退貨。
2. 影音商品、電腦軟體或個人衛生用品等一經拆封即無法回復原狀的商品，在您還不確定是否要辦理退貨以前，請勿拆封，一經拆封則依消費者保護法之規定，無法享有七天猶豫期之權益且不得辦理退貨。
3. 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，一經您事先同意後始提供者，依消費者保護法之規定，您將無法享有七天猶豫期之權益且不得辦理退貨。
4. 組合商品於辦理退貨時，應將組合銷售商品一同退貨，若有遺失、毀損或缺件，PChome將可能要求您依照損毀程度負擔回復原狀必要之費用。
若您需辦理退貨，請利用顧客中心「查訂單」或「退訂/退款查詢」的「退訂/退貨」功能填寫申請，我們將於接獲申請之次日起1個工作天內檢視您的退貨要求，檢視完畢後將以E-mail回覆通知您，並將委託本公司指定之宅配公司，在5個工作天內透過電話與您連絡前往取回退貨商品。請您保持電話暢通，並備妥原商品及所有包裝及附件，以便於交付予本公司指定之宅配公司取回（宅配公司僅負責收件，退貨商品仍由特約廠商進行驗收），宅配公司取件後會提供簽收單據給您，請注意留存。
退回商品時，請以本公司或特約廠商寄送商品給您時所使用的外包裝（紙箱或包裝袋），原封包裝後交付給前來取件的宅配公司；如果本公司或特約廠商寄送商品給您時所使用的外包裝（紙箱或包裝袋）已經遺失，請您在商品原廠外盒之外，再以其他適當的包裝盒進行包裝，切勿任由宅配單直接粘貼在商品原廠外盒上或書寫文字。
若因您要求退貨或換貨、或因本公司無法接受您全部或部分之訂單、或因契約解除或失其效力，而需為您辦理退款事宜時，您同意本公司得代您處理發票或折讓單等相關法令所要求之單據，以利本公司為您辦理退款。
本公司收到您所提出的申請後，若經確認無誤，將依消費者保護法之相關規定，返還您已支付之對價（含信用卡交易），退款日當天會再發送E-mail通知函給您。

精確掌握 AI 大趨勢!深度學習技術解密

搜尋更多

內文簡介

相關分類