ChatGPT X Keras X PyTorch全方位應用實踐指南：從零開始的AI程式設計養成之路（iThome鐵人賽系列書）【軟精裝】

第 1 章 Python 入門
1.1 Python 發展歷史
1.2 安裝 Python 與函式庫
安裝 Python
安裝函式庫
開啟教材
1.3 資料型態
數值型態（Numeric Type）
字串型態（String Type）
容器型態（Container Type）
1.4 變數與運算
指派變數
全域變數與區域變數
垃圾回收機制
1.5 運算式、運算子及運算元
算術運算子
邏輯運算子
比較運算子
1.6 判斷式與迴圈
if⋯elif⋯else
for 迴圈
while 迴圈
1.7 函數與類別
函數（Function）
類別（Class）

第 2 章 網路爬蟲
2.1 Selenium 介紹與安裝
安裝方式
2.2 定位網站的元素
使用瀏覽器定位 HTML 元素
2.3 Selenium 實作

第 3 章 理解何謂人工智慧
3.1 何謂人工智慧？
3.2 人工智慧的發展歷史
3.3 人工智慧、機器學習、深度學習的差別
人工智慧
機器學習
深度學習
3.4 機器學習中不同的學習方式
監督式學習
非監督式學習
強化式學習
遷移式學習

第 4 章 DNN 原理介紹與 Keras 實作
4.1 何謂深度神經網路（DNN）？
輸入層（Input Layer）
隱藏層（Hidden Layer）
輸出層（Output Layer）
4.2 前向傳播與反向傳播
前向傳播（Forward Propagation）
反向傳播（Back Propagation）
4.3 學習率、梯度與優化器是什麼？
4.4 程式碼實作與解析：MNIST 手寫辨識

第 5 章 LSTM 原理介紹與 Keras 實作
5.1 循環神經網路（RNN）
5.2 LSTM（Long Short-Term Memory）
遺忘門層（Forget Gate Layer）
狀態保存層（Cell State）
輸出層（Output Layer）
5.3 程式碼實作與解析：繪製股票趨勢預測圖

第 6 章 CNN 原理介紹與 PyTorch 實作
6.1 卷積神經網路（CNN）
卷積層（Convolution Layer）
池化層（Pooling Layer）
全連接層（Fully Connected Layer）
6.2 PyTorch 介紹與安裝
安裝方式
6.3 程式碼實作與解析：CIFAR10 影像辨識

第 7 章 DCGAN 原理介紹與 PyTorch 實作
7.1 深度卷積生成式對抗網路（Deep Convolutional GAN）
7.2 鑑別器與生成器
生成器
7.3 程式碼實作與解析：生成假的 MNIST 手寫辨識

第 8 章 VGG16 原理介紹與 PyTorch 實作
8.1 預訓練模型 VGG16（Visual Geometry Group 16）
8.2 預訓練模型與遷移式學習
8.3 程式碼實作與解析：真假 MNIST 手寫辨識

第 9 章 LSTM 自然語言處理與 PyTorch 實作
9.1 電腦該如何讀懂文字？
9.2 Encoder、Decoder、Attention
9.3 TorchText 安裝與介紹
安裝方式
9.4 程式碼實作與解析：IMDB 影評情緒分析

第 10 章 BERT 原理介紹與 PyTorch 實作
10.1 萬物皆可 Transformer
10.2 BERT
10.3 認識 Hugging Face
安裝方式
10.4 程式碼實作與解析：真假新聞辨識

第 11 章 T5 原理介紹與 PyTorch 實作
11.1 T5 介紹
模型架構選擇
11.2 T5 的文本遮蔽方式
自監督預訓練策略（High-Level Approaches）
替換方式（Corruption Strategies）
替換率（Corruption Rate）
替換長度（Corruption Span Length）
11.3 程式碼實作與解析：生成新聞摘要

第 12 章 ChatGPT Prompt 設計與應用
12.1 GPT
GPT-2
GPT-3
ChatGPT
12.2 ChatGPT 能做什麼？
解釋程式碼
撰寫程式碼
修正程式碼
12.3 指令的設計方式
12.4 ChatGPT 的 API 申請方式
OpenAI API 申請方式
Azure API 申請方式
12.5 程式碼實作與解析：建立個人智慧 ChatGPT 小幫手