圖解AI：機器學習和深度學習的技術與原理


	收錄豐富的圖示與詳盡的解說，即便完全零知識也能夠輕鬆學習。機器學習與深度學習的原理與技術，單靠這一本就能深入瞭解的教科書　　「人工智慧」、「機器學習」、「深度學習」這些以前在科幻小說中才會見到的字眼，如今已經深入我們的日常，成為大家平日琅琅上口的名詞。可是，真的想要深入一點了解這些名詞，一翻開相關書籍，看到滿滿的數學公式頭就暈了，難道沒有人能夠用大家都聽得懂的方式解釋這些科技名詞嗎？　　本書就是因應您心中的吶喊而生的一本書。這本書不會給你滿滿的數學式，而是藉由生活化的舉例、圖解進行說明，盡可能地表達人工智慧的正確知識。期望各位能夠透過本書，觸及機器學習的趣味與可能性，進而踏入機器學習的世界中。　　藉由本書，您將可以：　　．了解人工智慧、機器學習、深度學習三者之間的關係　　．機器學習的程序與核心技術　　．了解機器學習應用了哪些演算法　　．深度學習的程序與核心技術　　．了解深度學習應用了哪些演算法


	目錄第1章｜人工智慧的基礎知識 01 何謂人工智慧？ 02 何謂機器學習（ML）？ 03 何謂深度學習（DL）？ 04 人工智慧與機器學習的普及過程第2章｜機器學習的基礎知識 05 監督式學習的機制 06 非監督式學習的機制 07 增強學習的機制 08 統計與機器學習的差異 09 機器學習與特徵量 10 擅長與不擅長的領域 11 機器學習的運用範例第3章｜機器學習的程序與核心技術 12 機器學習的基本工作程序 13 蒐集資料 14 資料變形 15 模型的作成與學習 16 批次學習與線上學習 17 使用測試資料驗證預測結果 18 學習結果的評估基準 19 超參數與模型的調整 20 主動學習 21 相關與因果 22 反饋迴圈第4章｜機器學習的演算法 23 迴歸分析 24 支援向量機 25 決策樹 26 整體學習 27 整體學習的運用 28 邏輯迴歸 29 貝葉斯模型 30 時序分析與狀態空間模型 31 K 近鄰法（K-NN）與 K 平均法（K-Means） 32 維度縮減與主成分分析 33 最佳化與遺傳演算法第5章｜深度學習的基礎知識 34 類神經網路與其歷史 35 深度學習與圖像辨識 36 深度學習與自然語言處理第6章｜深度學習的程序與核心技術 37 誤差反向傳播法的類神經網路學習 38 類神經網路的最佳化 39 梯度消失問題 40 遷移學習第7章｜深度學習的演算法 41 卷積類神經網路（CNN） 42 遞歸類神經網路（RNN） 43 增強學習與深度學習 44 自動編碼器 45 GAN（生成對抗網路） 46 物體偵測第8章｜系統開發與開發環境 47 編寫人工智慧的主要程式語言 48 機器學習用資料庫與框架 49 深度學習的框架 50 GPU程式設計與高速化 51 機器學習服務