< >
從線性迴歸到強化學習“對想要進入深度學習這個令人興奮的領域的機器學習從業者來說，這是一本很棒的書。由於本書涵蓋廣泛的主題，當你想要進一步提升技術時，也會將它當成參考書來重新閱讀。”—Marvin BertinFreenome機器學習研究工程師TensorFlow是革命性的Google深度學習程式庫，本書將教你如何用它來解決具挑戰性的機器學習問題。只要你具備一些基本線性代數與微積分的背景知識，就可以在這本實用的書籍學到如何設計能夠檢查圖像物體、瞭解文字以及預測潛在藥物特性的系統，瞭解機器學習的基礎知識。透過實際的案例傳授觀念，協助你從根本開始建立深厚的深度學習基礎知識。本書非常適合具備軟體系統設計經驗的實務開發者，或已熟悉腳本語言但不知道如何設計學習演算法的專家。 ‧學習TensorFlow的基本知識，包括如何執行基本的計算‧藉由建立簡單的學習系統瞭解相關數學基礎‧深入瞭解已被上千種app使用的全連結深度網路‧藉由超參數優化將原型轉換成高品質的模型‧用摺積神經網路處理圖像‧用遞迴神經網路處理神經語言資料集‧使用強化學習玩遊戲，例如井字遊戲‧用GPU與張量處理單元等硬體訓練深度網路
Bharath Ramsundar 是DeepChem.io首席開發者與創造者，DeepChem.io採用TensorFlow的開放原始碼套件，旨在促進大眾在藥物發現領域應用深度學習。目前是Stanford大學電腦科學博士班學生。Reza Bosagh Zadeh 是Matroid創辦人與Stanford大學兼任教授，教導機器學習與演算法的研究生課程。他的工作重點是機器學習、分散式運算與離散應用數學，曾經為Twitter建立who-to-follow系統底層的機器學習演算法。
chapter 01 深度學習介紹chapter 02 TensorFlow 基本觀念介紹chapter 03 用 TensorFlow 來做線性與 logistic 迴歸chapter 04 全連結深度網路chapter 05 超參數優化chapter 06 摺積神經網路chapter 07 遞迴神經網路chapter 08 強化學習chapter 09 訓練大型深度網路chapter 10 深度學習的未來索引
Deep Learning深度學習基礎｜設計下一代人工智慧演算法 Python資料科學學習手冊 Deep Learning｜用Python進行深度學習的基礎理論實作
購買紙本書