0人評分過此書

ChatGPT X Keras X PyTorch全方位應用實踐指南:從零開始的AI程式設計養成之路

出版日期
2023/10/06
閱讀格式
PDF
書籍分類
學科分類
ISBN
9786263336025

文化部計次

借閱規則
借閱天數 14
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購

讀者資料
圖書館 嘉義市政府文化局
* 姓名
* 身分
系所
* E-mail
※ 我們會寄送一份副本至您填寫的Email中
電話
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼
文理組都能成功自學 AI 程式
理論與實作並用,打造穩固的深度學習基礎!


本書內容改編自第 14 屆 iThome 鐵人賽 AI & Data 組的佳作系列文章《新手也能懂得 AI - 深入淺出的 AI 課程》。本書將以 AI 人工智慧的圖像與文字兩大領域應用為主軸,並對目前熱門的技術進行深度解析,內容範圍廣闊,涵蓋了辨識、生成和預測等技術。在閱讀本書的過程中,讀者不但會學習到基礎理論,同時也會進行程式撰寫訓練,並從實作練習加深對理論的理解與記憶。

本書提供了一條 6 階段的人工智慧學習之路,從基本 Python 程式、爬蟲技術打好基礎,接著正式引領你進入 AI 人工智慧,了解深度學習模型的運作原理,並且跟著實作範例從無到有寫出 AI 程式,最後還能學會將 ChatGPT 串接到 LINE Bot,打造智慧個人小幫手。

在這本書中,你將認識到各種常見的深度學習模型,包括 DNN、RNN、CNN,搭配適合初學者的 Keras、PyTorch、NumPy 等強大函式庫,讓你可以輕鬆打造阿拉伯數字辨識模型、股票趨勢預測圖,建立文章摘要,以及使用預訓練模型來強化模型的辨識能力。


四大重點:

1.內容由簡入深
從簡易入門,逐步理解人工智慧
2.打通 AI 技能
學習不同 AI 專案,將程式應用於生活
3.全方面教學
不需要程式基礎,從零開始寫程式
4.理論結合實作
理論與程式並重,會寫也會玩 AI


目標讀者:

● 對於人工智慧懷抱熱情,但是毫無程式經驗的新手
● 希望能夠快速習得並累積人工智慧程式專案經驗的工程師
● 剛踏入人工智慧領域的學生和研究者
● 需要結合人工智慧,用於特定應用領域的專業人士


專業推薦:

「如果您正在尋找一本全面且深入的人工智慧學習資源,這本書絕對值得一讀。它提供了結構良好的學習路徑,使您能夠從基礎到高階的技術水平不斷進步。此外它以自學為導向,使您能夠更好地理解和應用所學知識,這對於成功應用人工智慧技術至關重要。無論您的學習目標如何,這本書都是一個出色的起點。」

──── 李俊宏 │ 國立高雄科技大學 電機工程系 資通組教授
  • CHAPTER 01 Python入門
    • 1.1 Python發展歷史
    • 1.2 安裝Python與函式庫
      • 安裝Python
      • 安裝函式庫
      • 開啟教材
    • 1.3 資料型態
      • 數值型態(Numeric Type)
      • 字串型態(String Type)
      • 容器型態(Container Type)
    • 1.4 變數與運算
      • 指派變數
      • 全域變數與區域變數
      • 垃圾回收機制
    • 1.5 運算式、運算子及運算元
      • 算術運算子
      • 邏輯運算子
      • 比較運算子
    • 1.6 判斷式與迴圈
      • if...elif...else
      • for迴圈
      • while迴圈
    • 1.7 函數與類別
      • 函數(Function)
      • 類別(Class)
    • 本章總結
  • CHAPTER 02 網路爬蟲
    • 2.1 Selenium介紹與安裝
      • 安裝方式
    • 2.2 定位網站的元素
      • 使用瀏覽器定位HTML元素
    • 2.3 Selenium實作
    • 本章總結
  • CHAPTER 03 理解何謂人工智慧
    • 3.1 何謂人工智慧
    • 3.2 人工智慧的發展歷史
    • 3.3 人工智慧、機器學習、深度學習
      • 人工智慧
      • 機器學習
      • 深度學習
    • 3.4機器學習中不同的學習方式
      • 監督式學習
      • 非監督式學習
      • 強化式學習
      • 遷移式學習
    • 本章總結
  • CHAPTER 04 DNN原理介紹與Keras實作
    • 4.1 何謂深度神經網路(DNN) ?
      • 輸入層(Input Layer)
      • 隱藏層(Hidden Layer)
      • 輸出層(Output Layer)
    • 4.2 前向傳播與反向傳播
      • 前向傳播(Forward Propagation)
      • 反向傳播(Back Propagation)
    • 4.3 學習率、梯度與優化器是什麼?
    • 4.4 程式碼實作與解析: MNIST手寫辨識
    • 本章總結
  • CHAPTER 05 LSTM原理介紹與Keras實作
    • 5.1 循環神經網路(RNN)
    • 5.2 LSTM (Long Short-Term Memory)
      • 遺忘門層(Forget Gate Layer)
      • 狀態保存層(Cell State)
      • 輸出層(Output Layer)
    • 5.3 程式碼實作與解析:繪製股票趨勢預測圖
    • 本章總結
  • CHAPTER 06 CNN原理介紹與PyTorch實作
    • 6.1 卷積神經網路(CNN)
      • 卷積層(Convolution Layer)
      • 池化層(Pooling Layer)
      • 全連接層(Fully Connected Layer)
    • 6.2 PyTorch介紹與安裝
      • 安裝方式
    • 6.3 程式碼實作與解析: CIFAR10影像辨識
    • 本章總結
  • CHAPTER 07 DCGAN原理介紹與PyTorch實作
    • 7.1 深度卷積生成式對抗網路(Deep Convolutional GAN)
    • 7.2 鑑別器與生成器
      • 鑑別器
      • 生成器
    • 7.3 程式碼實作與解析:生成假的MNIST手寫辨識
    • 本章總結
  • CHAPTER 08 VGG16原理介紹與PyTorch實作
    • 8.1 預訓練模型VGG16 (Visual Geometry Group 16)
    • 8.2 預訓練模型與遷移式學習
    • 8.3 程式碼實作與解析:真假MNIST手寫辨識
    • 本章總結
  • CHAPTER 09 LSTM自然語言處理與PyTorch實作
    • 9.1 電腦該如何讀懂文字?
    • 9.2 Encoder、Decoder、Attention
    • 9.3 TorchText安裝與介紹
      • 安裝方式
    • 9.4 程式碼實作與解析: IMDB影評情緒分析
    • 本章總結
  • CHAPTER 10 BERT原理介紹與PyTorch實作
    • 10.1萬物皆可Transformer
    • 10.2 BERT
    • 10.3認識Hugging Face
      • 安裝方式
    • 10.4程式碼實作與解析:真假新聞辨識
    • 本章總結
  • CHAPTER 11 T5原理介紹與PyTorch實作
    • 11.1 T5介紹
      • 模型架構選擇
    • 11.2 T5的文本遮蔽方式
      • 自監督預訓練策略(High-Level Approaches)
      • 替換方式(Corruption Strategies)
      • 替換率(Corruption Rate)
      • 替換長度(Corruption Span Length)
    • 11.3程式碼實作與解析:生成新聞摘要
    • 本章總結
  • CHAPTER 12 ChatGPT Prompt設計與應用
    • 12.1 GPT
      • GPT-2
      • GPT-3
      • ChatGPT
    • 12.2 ChatGPT能做什麼?
      • 解釋程式碼
      • 撰寫程式碼
      • 修正程式碼
    • 12.3 指令的設計方式
    • 12.4 ChatGPT的API申請方式
      • OpenAI API申請方式
      • Azure API申請方式
    • 12.5 程式碼實作與解析:建立個人智慧ChatGPT小幫手
    • 本章總結
    • 參賽後記

評分與評論

請登入後再留言與評分
幫助
您好,請問需要甚麼幫助呢?
使用指南

客服專線:0800-000-747

服務時間:週一至週五 AM 09:00~PM 06:00

loading