這是一本深度學習的入門書。不依賴外部函式庫，利用Python3，就能從零開始，實作深度學習，愉快地瞭解深度學習的原理。不僅能幫你打好深度學習及神經網路的基礎，也能讓你徹底學會誤差反向傳播法、卷積神經網路等概念。書中還介紹了決定超參數的方法與權重的預設值等實用技巧、Batch Normalization、Dropout及Adam等最近流行的趨勢、自動駕駛、產生影像、強化學習等應用範例。除此之外，也進一步說明為什麼深度學習如此優秀？為什麼層級愈深，辨識度愈精準？等各種與「為什麼」有關的問題。
作者簡介：
斎藤康毅
1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。1984年生於長崎縣對馬，畢業於東京工業大學工學院，東京大學研究所學際情報學府學士課程修畢。現在於企業內從事與電腦視覺、機器學習有關的研究開發工作。
作者序
科幻電影中的世界，現在儼然已成為現實。例如，人工智慧奪得象棋、西洋棋的冠軍，最近甚至得到圍棋的勝利。智慧型手機也能瞭解人類的語言，在視訊通訊中，進行即時「機器口譯」。內建了相機的「防撞汽車」，讓我們看到保護人類生命，汽車自動駕駛實用化的可能性。環顧我們生活周遭，原以為只有人類才能執行的操作，人工智慧不僅能完美做到，甚至還可能凌駕人類之上。我們的世界隨著人工智慧的發展，將進入一個全新的境界。
這項驚人發展的背後，「深度學習」這項技術其實是功不可沒的幕後功臣。全球的研究人員把深度學習視為創新技術，有些人甚至盛讚它為數十年來首度的突破性進展。事實上，深度學習這個新名詞，不僅研究學者、技術人員，就連一般人也略知一二，在新聞、雜誌上都有介紹，頗受矚目。
這本書就是以深受各方關注的「深度學習」為主題所撰寫而成。主要的目的是，盡可能讓你深入（「Deep」）瞭解深度學習的相關技術。因此，本書的概念是「從零開始製作」。
這本書的特色是透過「製作」的過程，發掘深度學習的本質。在執行深度學習程式的過程，徹底（盡可能）說明必要的技術。此外，還提供實際執行的程式，讓讀者可以自行進行各種實驗。
要製作深度學習，需要通過許多磨練，還得花費不少時間，卻能因此獲益良多，也一定會有許多發現。所謂的製作，是開心而且令人雀躍的事情。希望透過本書的「製作」過程，讓你熟悉深度學習使用的技術，（可能的話）從中感受到樂趣。
深度學習已經實際在世界上的各個場所中運作著。現在人手一支的智慧型手機，也包含了深度學習。自動駕駛的汽車，提供網站服的伺服器，都有深度學習的存在。在多數人沒有發覺的角落，深度學習正默默地持續舞動著。今後，深度學習之舞，應該會變得更多采多姿。希望藉由這本書，讓你瞭解與深度學習有關的技術。
科幻電影中的世界，現在儼然已成為現實。例如，人工智慧奪得象棋、西洋棋的冠軍，最近甚至得到圍棋的勝利。智慧型手機也能瞭解人類的語言，在視訊通訊中，進行即時「機器口譯」。內建了相機的「防撞汽車」，讓我們看到保護人類生命，汽車自動駕駛實用化的可能性。環顧我們生活周遭，原以為只有人類才能執行的操作，人工智慧不僅能完美做到，甚至還可能凌駕人類之上。我們的世界隨著人工智慧的發展，將進入一個全新的境界。
這項驚人發展的背後，「深度學習」這項技術其實是功不可沒的幕後功臣。全球的研究人員把深度學習視為創新技術，...
目錄
第一章 Python入門
第二章 感知器
第三章 神經網路
第四章 神經網路的學習
第五章 誤差反向傳播法
第六章 與學習有關的技巧
第七章 卷積神經網路
第八章 深度學習
附錄A Softmax-with-Loss層的計算圖
參考文獻
第一章 Python入門
第二章 感知器
第三章 神經網路
第四章 神經網路的學習
第五章 誤差反向傳播法
第六章 與學習有關的技巧
第七章 卷積神經網路
第八章 深度學習
附錄A Softmax-with-Loss層的計算圖
參考文獻
購物須知
退換貨說明：
會員均享有10天的商品猶豫期（含例假日）。若您欲辦理退換貨，請於取得該商品10日內寄回。
辦理退換貨時，請保持商品全新狀態與完整包裝（商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等）一併寄回。若退回商品無法回復原狀者，可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。
2024專利防護中