內容簡介:建構AI應用程式，您不必拿PhD
「這是程式員精通深度學習的最佳資源之一。」
—Peter Norvig
Google研究總監
「本書透過實際的操作，以簡單且實用的方法揭開深度學習的神秘面紗。」
—Curtis Langlotz
史丹佛大學醫學及成像人工智慧中心主任
深度學習通常被視為數學博士和大型科技公司的獨門秘術，然而，正如這本指南所言，如果你已經會寫Python，那麼你只要稍微了解數學、取得少量的資料，就可以用最精簡的程式，寫出令人印象深刻的深度學習作品。怎麼做？使用fastai！它是史上第一個以一致的介面來讓你使用最常見的深度學習應用的程式庫。
本書作者Jeremy Howard與Sylvain Gugger是fastai的創作者，他們將告訴你如何使用fastai和PyTorch訓練各種任務的模型，並帶領你逐步研究深度學習理論，以充分了解藏身幕後的演算法。
‧訓練電腦視覺、自然語言處理、表格式資料和聯合過濾等任務的模型
‧學習在實務上最重要且最新的深度學習技術
‧釐清深度學習模型如何運作，改善準確度、速度與可靠度
‧了解如何將模型轉換成web應用程式
‧從零開始實作深度學習演算法
‧思考作品的道德意義
‧從PyTorch的聯合創始人Soumith Chintala的前言獲得真知灼見
目錄
章節說明:第一部分 深度學習實務
第一章 你的深度學習旅程
第二章 從模型到生產
第三章 資料倫理
第二部分 了解 fastai 的應用
第四章 在引擎蓋下：訓練數字分類模型
第五章 圖像分類
第六章 其他的電腦視覺問題
第七章 訓練先進模型
第八章 協同過濾
第九章 表格模型
第十章 NLP：RNN
第十一章 使用 fastai 的中層API 來處理資料
第三部分 深度學習基礎
第十二章 從零開始製作語言模型
第十三章 摺積神經網路
第十四章 ResNets
第十五章 應用架構
第十六章 訓練程序
第四部分 從零開始深度學習
第十七章 神經網路基礎
第十八章 用 CAM 來做 CNN 解釋
第十九章 從零開始打造 fastai Learner
第二十章 思想總結
附錄A 建立部落格
附錄B 資料專案檢查表
章節說明:第一部分 深度學習實務
第一章 你的深度學習旅程
第二章 從模型到生產
第三章 資料倫理
第二部分 了解 fastai 的應用
第四章 在引擎蓋下：訓練數字分類模型
第五章 圖像分類
第六章 其他的電腦視覺問題
第七章 訓練先進模型
第八章 協同過濾
第九章 表格模型
第十章 NLP：RNN
第十一章 使用 fastai 的中層API 來處理資料
第三部分 深度學習基礎
第十二章 從零開始製作語言模型
第十三章 摺積神經網路
第十四章 ResNets
第十五章 應用架構
第十六章 訓練程序
第四部分 從零開始深度學習
第十七章 神經網路基礎
第十八章 用 CAM...
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。
二手徵求有驚喜
2024專利防護中