预购商品
书目分类
特别推荐
|Chapter 01| 神經網路之概念 1.1 神經網路模型簡介 1.2 神經網路模型運作解析 1.3 模型訓練的資訊 1.4 神經網路工作程序 1.5 應考須知 1.6 如何使用本書範例檔 |Chapter 02| 結構化資料的分類辨識 2.1 傳統的分類辨識方法 2.2 神經網路模型的分類辨識方法 |Chapter 03| 迴歸分析 3.1 傳統迴歸分析法 3.2 神經網路模型在簡單迴歸分析的用法 3.3 神經網路模型在多元迴歸分析的用法 |Chapter 04| 圖像辨識 4.1 圖像基本原理 4.2 圖片及影片的基本操作 4.3 傳統圖像辨識法的缺點 4.4 卷積神經網路說明 4.5 在TensorFlow中使用卷積層 4.6 在TensorFlow中使用池化層與展平層 4.7 卷積層與池化層的種類 4.8 開放數據集 |Chapter 05| 圖像資料的擴增 5.1 圖像擴增的意義 5.2 圖像擴增的方法 5.3 圖檔之讀取與分類 5.4 圖像資料產生器的特殊用途之一 5.5 圖像資料產生器的特殊用途之二 |Chapter 06| 預訓練模型的使用 6.1 預訓練模型簡介 6.2 預訓練模型的用法之一 6.3 預訓練模型的用法之二 6.4 預訓練模型的用法之三 6.5 預訓練模型的比較 6.6 遷移學習原理 |Chapter 07| 時間數列預測 7.1 時間數列的類型 7.2 時間數列預測法 7.3 時間數列預測步驟 7.4 時間步與時間數列之切割 7.5 循環神經網路的模式 7.6 循環神經網路之原理 7.7 循環神經網路的關鍵參數 |Chapter 08| 文本分類 8.1 文本處理步驟 8.2 移除停用詞 8.3 斷詞器 8.4 嵌入層與詞向量 8.5 預訓練的詞向量 8.6 文本分類的意義與程序 8.7 文本分類資料集簡介 8.8 文本預訓練模型之運用 8.9 文本分類的進階處理 |Chapter 09| 文本生成 9.1 文本生成概要 9.2 文本預處理 9.3 建構模型兩種 9.4 文本生成自訂函數 9.5 文本生成之斷句 9.6 自然語言處理的新發展 |附 錄|（附錄內容請至博碩官網下載） 附錄A 觀念解析 附錄B Google Colab使用方法 附錄C 範例檔清單_程式結構_套件版本
客服公告
热门活动
订阅电子报
