大享電腦圖書專業門市

大享電腦圖書專業門市實名驗證

Y1239803676粉絲數125711小時前上線

正評 100% (7426)

more

出貨速度 1~2 未出貨率 0%加入時間 2009/07/26

正評

100%

總評價 7426
出貨速度

1~2

優於全站平均

未出貨率

0%

優於全站平均

【大享】 圖解AI|機器學習和深度學習的技術與原理 9789865025885 碁峰 ACD020500 450

直購
促銷

$335$450

已售出 1

    數量
    運費活動
    • 運費抵用券7-ELEVEN 滿99元運費折抵31元

    付款方式
    • 現金付款
    • 全家取貨付款
    • 萊爾富取貨付款
    • 7-ELEVEN取貨付款

    現金付款

    • Yahoo奇摩輕鬆付現金接受付款方式:ATM轉帳 / Famiport / 輕鬆付帳戶餘額

    ATM 提供5家銀行:合作金庫、華南銀行、台灣銀行、國泰世華、中國信託,以上5家同行轉帳,免轉帳手續費。

    全家取貨付款

    Yahoo奇摩輕鬆付

    7-ELEVEN取貨付款

    Yahoo奇摩輕鬆付

    萊爾富取貨付款

    Yahoo奇摩輕鬆付
    運費
    • 7-ELEVEN取貨付款單件運費$60、消費滿$15000免運費

      • 單件運費$60
      • 滿2件,運費$60
      • 滿3件,運費$60
      • 消費滿$15000免運費
    • 全家取貨付款單件運費$60、消費滿$15000免運費

      • 單件運費$60
      • 滿2件,運費$60
      • 滿3件,運費$60
      • 消費滿$15000免運費
    • 萊爾富取貨付款單件運費$60、消費滿$15000免運費

      • 單件運費$60
      • 滿2件,運費$60
      • 滿3件,運費$60
      • 消費滿$15000免運費
    • 郵局掛號單件運費$65、消費滿$15000免運費

      • 單件運費$65
      • 滿2件,運費$65
      • 滿3件,運費$65
      • 消費滿$15000免運費
    商品狀況
    全新品
    所在地區
    台北市
    商品編號
    100965417188
    輕鬆付 價金保管新登場
    輕鬆付 價金保管新登場

    輕鬆付提供價金保管,交易更安心!

    商品資訊

    分級
    普級

    圖解AI|機器學習和深度學習的技術與原理

    作者: 株式会社アイデミー, 山口達輝, 松田洋之

    譯者: 衛宮紘

    書號: ACD020500

    出版日: 2020/10/15

    ISBN: 9789865025885

    EAN: 9789865025885

    紙本書價格: 450

    附件: 無

    內容簡介

    收錄豐富的圖示與詳盡的解說,即便完全零知識也能夠輕鬆學習。
    機器學習與深度學習的原理與技術,單靠這一本 就能深入瞭解的教科書

    「人工智慧」、「機器學習」、「深度學習」這些以前在科幻小說中才會見到的字眼,如今已經深入我們的日常,成為大家平日琅琅上口的名詞。可是,真的想要深入一點了解這些名詞,一翻開相關書籍,看到滿滿的數學公式頭就暈了,難道沒有人能夠用大家都聽得懂的方式解釋這些科技名詞嗎?

    本書就是因應您心中的吶喊而生的一本書。這本書不會給你滿滿的數學式,而是藉由生活化的舉例、圖解進行說明,盡可能地表達人工智慧的正確知識。期望各位能夠透過本書,觸及機器學習的趣味與可能性,進而踏入機器學習的世界中。

    藉由本書,您將可以:
    .了解人工智慧、機器學習、深度學習三者之間的關係
    .機器學習的程序與核心技術
    .了解機器學習應用了哪些演算法
    .深度學習的程序與核心技術
    .了解深度學習應用了哪些演算法

    目錄

    第1章|人工智慧的基礎知識
    01 何謂人工智慧?
    02 何謂機器學習(ML)?
    03 何謂深度學習(DL)?
    04 人工智慧與機器學習的普及過程
    第2章|機器學習的基礎知識
    05 監督式學習的機制
    06 非監督式學習的機制
    07 增強學習的機制
    08 統計與機器學習的差異
    09 機器學習與特徵量
    10 擅長與不擅長的領域
    11 機器學習的運用範例
    第3章|機器學習的程序與核心技術
    12 機器學習的基本工作程序
    13 蒐集資料
    14 資料變形
    15 模型的作成與學習
    16 批次學習與線上學習
    17 使用測試資料驗證預測結果
    18 學習結果的評估基準
    19 超參數與模型的調整
    20 主動學習
    21 相關與因果
    22 反饋迴圈
    第4章|機器學習的演算法
    23 迴歸分析
    24 支援向量機
    25 決策樹
    26 整體學習
    27 整體學習的運用
    28 邏輯迴歸
    29 貝葉斯模型
    30 時序分析與狀態空間模型
    31 K 近鄰法(K-NN)與 K 平均法(K-Means)
    32 維度縮減與主成分分析
    33 最佳化與遺傳演算法
    第5章|深度學習的基礎知識
    34 類神經網路與其歷史
    35 深度學習與圖像辨識
    36 深度學習與自然語言處理
    第6章|深度學習的程序與核心技術
    37 誤差反向傳播法的類神經網路學習
    38 類神經網路的最佳化
    39 梯度消失問題
    40 遷移學習
    第7章|深度學習的演算法
    41 卷積類神經網路(CNN)
    42 遞歸類神經網路(RNN)
    43 增強學習與深度學習
    44 自動編碼器
    45 GAN(生成對抗網路)
    46 物體偵測
    第8章|系統開發與開發環境
    47 編寫人工智慧的主要程式語言
    48 機器學習用資料庫與框架
    49 深度學習的框架
    50 GPU程式設計與高速化
    51 機器學習服務

    本日最速最優惠