Towards Tensorflow 2.0：無痛打造AI模型（iT邦幫忙鐵人賽系列書）


	本書改編自第 11 屆 iT 邦幫忙鐵人賽，Google Developers Machine Learning 組冠軍網路系列文章 ⸺《Towards Tensorflow 2.0：無痛打造AI模型》，是一本完整結合 Google Colab 學習Tensorflow 的台灣本土專書。AI、機器學習為近年來最熱門的話題，如何透過 AI 來提高企業營收或降低成本，已是各大企業爭相研究的技術。這是一本涵蓋基礎 Tensorflow 語法到各大應用領域的專書，豐富內容結合業界實戰心得與應用 ( 包括：價格預測、影像辨識、推薦系統等 )，帶你探索 AI 的奧妙。　　三大重點　　☛ 內容涵蓋現今 Tensorflow 2.0 最新語法，由淺入深帶你了解 Tensorflow 語法，從資料選取、資料處理、模型訓練以及視覺化均包含於此書。　　☛ 本書涵蓋 DNN、CNN、RNN、GAN 、RL 等現今熱門模型，且搭配許多經典有趣的資料集做學習。除了實作，書中也會提及在真實世界所會遇到的的問題及解法。　　☛ 透過線上免費雲端運算資源帶你學習 Tensorflow2.0，不僅不需擁有高運算設備即能學習現今最熱門的 AI 模型，也可以省略掉繁瑣的安裝步驟，可立即上手並學習 AI 核心概念。　　適用讀者　　具備基礎程式編寫能力的 Tensorflow 初學者、對 AI 有興趣或想轉職成為 AI 工程師的讀者。


	目錄 01 Tensorflow 介紹 1-1 什麼是Tensorflow? 1-2 Tensorflow 2.0 1-3 線上免費開發測試環境 1-4 總結 02 Tensorflow 基本語法 2-1 變數類型 2-2 建立數據 2-3 數據操作 2-4 數據運算 2-5 總結 03 TF.Keras API 3-1 基本操作 3-2 定義模型 3-3 模型訓練 3-4 模型儲存 3-5 總結 04 Python 資料處理與視覺化實戰 4-1 初入茅廬 4-2 小試身手 4-3 熟能生巧 4-4 觸類旁通 4-5 融會貫通 05 深度神經網路 (Deep Neural Network) 5-1 線性迴歸 (Regression) 5-2 優化器 (Optimizer) 5-3 深度神經網路 (Deep Neural Network) 5-4 深度神經網路－ Lab 1 (Data：Airbnb) 5-5 深度神經網路－ Lab 2 (Data：Fashion MNIST) 5-6 總結 06 卷積神經網路 (Convolutional Neural Network) 6-1 CNN 6-2 VGG 07 遞歸神經網路 (Recurrent Neural Network) 7-1 遞歸神經網路 (RNN) 7-2 長短期記憶網路 7-3 RNN 實作 - 情感分析 7-4 RNN 實作 - 股價預測 7-5 BERT 初探 7-6 實務技巧分享 7-7 案例說明 08 推薦系統 (Recommendation System) 8-1 推薦系統介紹 8-2 Wide & Deep 推薦系統介紹 8-3 Deep & Wide 模型 Lab 8-4 實務經驗與結論 09 從Auto-Encoder 到GAN 9-1 非監督式學習 (Unsupervised Learning) 9-2 自動編碼器 (Auto-Encoder) 9-3 自動編碼器 (Auto-Encoder) 實作 9-4 Variational Auto-Encoder (VAE) 9-5 生成對抗網路 (Generative Adversarial Network) 9-6 GAN 實作LAB-1 9-7 GAN 實作LAB-2 MNIST 10 增強式學習 (Reinforcement Learning) 10-1 什麼是增強式學習RL 10-2 RL 的學習方法 10-3 DeepQNetwork 10-4 RL DQN - Colab 實作 10-5 總結 11 模型調教與模型服務 11-1 模型調教問題 - Overfit 以及Underfit 11-2 模型視覺化 - TensorBoard 11-3 遷移學習 (Transfer Learning) 11-4 模型服務 (Model Serving) 11-5 總結