用最簡潔的Python上手：深度學習從精通再成大神


	☆★☆★【用最簡潔的Python，成為深度學習最厲害的大神！】★☆★☆ 　　「人工智慧、深度學習和機器學習，不論你現在是否能夠理解這些概念，你都應該學習。否則三年內，你就會像被滅絕的恐龍一樣被社會淘汰。現在不開始，以後就來不及了。」——馬克•庫班（NBA獨行俠隊老闆，億萬富翁）　　本書從人工智慧、機器學習與深度學習簡介開始，幫助讀者在Windows下的CPU/GPU環境完成深度學習、開發環境架設；之後進入Python資料科學函數庫，介紹深度學習基礎，如Numpy、Pandas、Matplotlib。　　在了解基本函數庫後，接著介紹目前最好用、最流行的深度學習框架TensorFlow、Keras。認識完框架的使用，便開始處理資料，本書介紹了資料前置處理和模型評估指標，幫讀者了解模型及資料之間的關係。當一切就緒，就可以進入實際專案的開發，包括影像分類辨識、IMDB電影評論情感分析、遷移學習、人臉辨識、影像風格遷移、生成對抗網路等，讓你用最簡潔的Python，成為深度學習最厲害的大神。　　適合讀者　　✪具備Python語言基礎知識的程式初學者。　　✪非專業出身，想轉換跑道進入人工智慧領域的程式設計師。本書特色　　✪人工智慧、機器學習與深度學習簡介。　　✪深度學習框架TensorFlow、Keras。　　✪深度學習開發環境架設。　　✪資料前置處理、模型評估指標、影像分類辨識。


	目錄第 1 章人工智慧、機器學習與深度學習簡介 1.1 什麼是人工智慧 1.2 人工智慧的本質 1.3 人工智慧相關專業人才的就業前景 1.4 機器學習和深度學習 1.5 小白如何學深度學習第 2 章深度學習開發環境架設 2.1 Jupyter Notebook 極速入門 2.2 深度學習常用框架介紹 2.3 Windows 環境下安裝TensorFlow（CPU 版本）和Keras 2.4 Windows 環境下安裝TensorFlow（GPU 版本）和Keras 2.5 Windows 環境下安裝PyTorch 第 3 章 Python 資料科學函數庫 3.1 張量、矩陣和向量 3.2 陣列和矩陣運算函數庫——NumPy 3.3 資料分析處理函數庫——Pandas 3.4 資料視覺化函數庫——Matplotlib 第 4 章深度學習基礎 4.1 神經網路原理闡述 4.2 卷積神經網路 4.3 卷積神經網路經典模型架構第 5 章深度學習框架TensorFlow 入門 5.1 第一個TensorFlow 的「Hello world」 5.2 TensorFlow 程式結構 5.3 TensorFlow 常數、變數、預留位置 5.4 TensorFlow 案例實戰 5.5 視覺化工具TensorBoard 的使用第 6 章深度學習框架Keras 入門 6.1 Keras 架構簡介 6.2 Keras 常用概念 6.3 Keras 建立神經網路基本流程 6.4 Keras 建立神經網路進行鐵達尼號生還預測 6.5 Keras 建立神經網路預測銀行客戶流失率第 7 章資料前置處理和模型評估指標 7.1 資料前置處理的重要性和原則 7.2 資料前置處理方法介紹 7.3 常用的模型評估指標第 8 章影像分類辨識 8.1 影像辨識的基礎知識 8.2 實例一：手寫數字辨識 8.3 實例二：CIFAR-10 影像辨識 8.4 實例三：貓狗辨識第 9 章 IMDB 電影評論情感分析 9.1 IMDB 電影資料集和影評文字處理介紹 9.2 基於多層感知器模型的電影評論情感分析 9.3 基於RNN 模型的電影評論情感分析 9.4 基於LSTM 模型的電影評論情感分析第 10 章遷移學習 10.1 遷移學習簡介 10.2 什麼是預訓練模型 10.3 如何使用預訓練模型 10.4 在貓狗辨識的任務上使用遷移學習 10.5 在MNIST 手寫體分類上使用遷移學習 10.6 遷移學習複習第 11 章人臉辨識實踐 11.1 人臉辨識 11.2 人臉檢測和關鍵點定位實戰 11.3 人臉表情分析情緒辨識實戰 11.4 我能認識你——人臉辨識實戰第 12 章影像風格遷移 12.1 影像風格遷移簡介 12.2 使用預訓練的VGG16 模型進行風格遷移 12.3 影像風格遷移複習第 13 章生成對抗網路 13.1 什麼是生成對抗網路 13.2 生成對抗網路演算法細節 13.3 循環生成對抗網路 13.4 利用CycleGAN 進行影像風格遷移後記進一步深入學習