Readmoo 讀墨電子書
每日問答 每日優惠 版權到期
開發者傳授PyTorch秘笈
0 則劃線
0 篇書評

開發者傳授PyTorch秘笈

分類導覽 > 電腦科技 > 程式設計
共 1 人評分
  • 出版日期： 2022/06/01
  • 語言：繁體中文
  • 檔案大小：194.6MB
  • 商品格式：固定版面 EPUB
  • ISBN: 9786267146286
  • ISBN: 9786267146156
  • 頁數： 878
紙本書定價：NT$ 1200
電子書售價：NT$ 960
本書為固定版面 EPUB，建議您使用 mooInk Pro 系列、平板及電腦閱讀。

～ 2022 開發者唯一指定 PyTorch 祕笈！～
深度學習【必備數學與統計原理】✕【圖表說明】✕【PyTorch 實際應用】

喜歡這本的人，也看了...

  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 496

    ☆★☆從 Gemini 到 NotebookLM，打造個人知識與創作☆★☆ ☆★☆整合 Google Workspace全系列 AI 工具☆★☆ ☆★☆圖像、語音、影片與文件的多模態☆★☆ ☆★☆讓 AI 真的成...

    試讀
  • 胡嘉璽
    深智數位股份有限公司
    電子書： NT$ 864

    ►►►重量級Claude Code手冊◄◄◄ ►►►涵蓋最新更新Agent Skills內容◄◄◄ ►►►從新手晉升為高手◄◄◄ ★內容介紹 ☆Vibe Coding 時代第一名的 AI 開發助手 Claude ...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 576

    寫程式不是比誰先跑起來，而是能否長期維護。當需求一改就骨牌倒、長函式與巢狀條件像毛線球、沒有測試誰也不敢動，這些都是「技術債」。本書以實務為軸，從C...

    試讀
  • 曾瑞君
    博碩文化
    出版日期：2022-07-29
    電子書： NT$ 520

    Java SE 11認證最佳攻略 由初學邁向認證，從基礎進階達人

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 464

    AI提示詞 打造精準Prompt的對話力與創造力 【台灣首創Prompt教戰守則】 【解密AI對話的黃金鑰匙】 【實戰範例，學Prompt超有感】 【職場創新，掌握AI...

    試讀
  • 曾瑞君
    博碩文化
    出版日期：2022-09-03
    電子書： NT$ 620

    Java SE 11認證最佳攻略 由初學邁向認證，從基礎進階達人 ✪解析原廠文件，切合認證範圍！ ✪對照範例程式，迅速了解內容！ ✪彙整教學經驗，重點一次掌握...

    試讀
  • 古君葳（古古）
    博碩文化
    出版日期：2024-12-01
    電子書： NT$ 720

    一步步掌握 Spring Boot 的用法， 建立 Java 後端工程師必備的技術能力！

    試讀
  • 李信杰 主編 江仁豪 吳龍紅 凃里俐 郁家豪 徐亨 涂富祥 張馨方 郭榮智 陳正瑋 陳泉錫 黃冠元 詹淳涵 鄒翔如 廖元鈺 劉建萍 蔡育珊 蔡凱翔 盧建成 蘇瑞亨 王凱慶
    博碩文化
    出版日期：2025-07-24
    電子書： NT$ 650

    本書為《軟體測試實務：業界成功案例與高效實踐》之延伸著作，主題從「軟體測試」拓展至更廣泛的「軟體品質」領域。各章作者皆為來自國內軟體團隊中不同角色...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    出版日期：2023-02-01
    電子書： NT$ 784

    C# 最強入門 邁向頂尖高手之路 王者歸來 ★★★★★【國內第1本最新 C# 語法】★★★★★ ★★★★★【最完整的 C# 基礎語法】、【最徹底物件導向觀念】★★★★★ ★★★★★...

    試讀
  • 洪錦魁
    深智數位股份有限公司
    電子書： NT$ 544

    ★☆★「AI 時代最全面的 ChatGPT 5 實戰指南」★☆★ 在 AI 快速演進的浪潮中，ChatGPT 5 不僅是工具，更是未來工作與創作的強大戰友。本書從基礎到進階，完整揭...

    試讀
  • 周昱安（Zet）
    博碩文化
    出版日期：2024-02-25
    電子書： NT$ 570

    思想、脈絡與觀念理解是真正的專業技術門檻， 也是鑑別出實力強大或平庸工程師的關鍵區別之一。

    試讀
  • 劉育維
    博碩文化
    出版日期：2025-05-10
    電子書： NT$ 650

    結合架構思維與實務 帶你從0到1完整理解如何實作AI Agents專案

    試讀
  • 劉邦鋒
    國立臺灣大學出版中心
    電子書： NT$ 593

    本書主要針對高中與大學開始接觸程式設計的初學者，及想學好程式設計的讀者所設計。書中文字敘述力求淺顯簡潔，並以大量範例、片語、學習要點、風格要點等方...

    試讀
  • 胡嘉璽
    深智數位股份有限公司
    電子書： NT$ 704

    https://youtu.be/Jqv2QYNff-4 ＼\國內第一本！Cursor教戰手冊/／ ☆★☆Context Engineering 頂級實作工具☆★☆ ☆★☆100倍速開發，一天完成原型及產品佈署☆★☆

    試讀
  • 徐歆閔
    深智數位股份有限公司
    電子書： NT$ 608

    用一本書走完AI專案的最後一哩路，打造專屬於你的機器學習服務 告別只能離線展示的模型，成為業界渴求的全方位AI人才！

    試讀
  • 許恆修
    深智數位股份有限公司
    電子書： NT$ 656

    你與 AI 大神的距離，只差這本「動手做」的實戰指南！ 翻開本書，開始打造專屬於你的第一個 AI 應用吧！ ★ AI 當你的程式助教，從零開始不怕痛！ 本書專...

    試讀
  • 陳柏翰
    博碩文化
    出版日期：2025-08-03
    電子書： NT$ 600

    從概念到實作，全方位掌握RAG與LangChain 精準打造你的專屬AI系統！

    試讀
  • 吳姿穎（Muki Wu）
    博碩文化
    出版日期：2025-08-31
    電子書： NT$ 650

    深入探討Browser Web API的最佳實踐 快速將學到的技能應用到實際開發中  

    試讀
  • 胡立
    深智數位股份有限公司
    電子書： NT$ 608

    這不是一本給初學者的JavaScript教科書。相反地，它是寫給那些已經學過JavaScript卻依然感到卡關，對某些觀念依然模糊的開發者。 就像大學課程一樣，或許都是...

    試讀
  • 洪錦魁（著）
    深智數位股份有限公司
    電子書： NT$ 520

    AI Prompt for Excel 用AI提示詞翻轉Excel生產力 【讓AI成為你的Excel智慧助理，創造無限可能！】 【立即入手，跟上數位辦公革命第一線！】

    試讀

    • 詳細資訊

    ～ 2022 開發者唯一指定 PyTorch 祕笈！～
    深度學習【必備數學與統計原理】✕【圖表說明】✕【PyTorch 實際應用】
    ★ 作者品質保證
    ★ 經過眾多專家與學者試閱昭明老師著作皆給【5 顆星】滿分評價！
    ～ 從基礎理解到 PyTorch 獨立開發，一氣呵成
    ～ 本書專為 AI 開發者奠定扎實基礎，從數學統計
    ► 自動微分
    ► 梯度下降
    ► 神經層，由淺入深介紹深度學習的原理，並透過大量 PyTorch 框架應用實作各種演算法：
    ● CNN (卷積神經網路)
    ● YOLO (物件偵測)
    ● GAN (生成對抗網路)
    ● DeepFake (深度偽造)
    ● OCR (光學文字辨識)
    ● ANPR (車牌辨識)
    ● ASR (自動語音辨識)
    ● BERT / Transformer ●
    臉部辨識
    ● Knowledge Graph (知識圖譜)
    ● NLP (自然語言處理)
    ● ChatBot ● RL (強化學習)
    ● XAI (可解釋的 AI)
    本書特色
    入門深度學習、實作各種演算法最佳教材！
    ★以【統計／數學】為出發點，介紹深度學習必備的數理基礎
    ★以【程式設計取代定理證明】，讓離開校園已久的在職者不會看到一堆數學符號就心生恐懼，縮短學習歷程，增進學習樂趣
    ★摒棄長篇大論，輔以【大量圖表說明】介紹各種演算法
    ★【完整的範例程式】及【各種演算法的延伸應用】！直接可在實際場域應用。
    ★介紹日益普及的【演算法與相關套件】的使用
    ★介紹 PyTorch 最新版本功能
    ★與另一本姊妹作《深度學習–最佳入門邁向 AI 專題實戰》搭配，可同時學會 PyTorch 與 TensorFlow

    目錄列表

  • 目錄
    1. 目錄
      1. 第一篇 深度學習導論
        1. 第1章 深度學習(Deep Learning)導論
          1. 1-1 人工智慧的三波浪潮
          2. 1-2 AI的學習地圖
          3. 1-3 TensorFlow vs. PyTorch
          4. 1-4 機器學習開發流程
          5. 1-5 開發環境安裝
          6. 1-6 免費雲端環境開通
        2. 第2章 神經網路(Neural Network)原理
          1. 2-1 必備的數學與統計知識
          2. 2-2 萬般皆自『迴歸』起
          3. 2-3 神經網路
      2. 第二篇 PyTorch基礎篇
        1. 第3章 PyTorch學習路徑與主要功能
          1. 3-1 PyTorch學習路徑
          2. 3-2 張量運算
          3. 3-3 自動微分(Automatic Differentiation)
          4. 3-4 神經層(Neural Network Layer)
          5. 3-5 總結
        2. 第4章 神經網路實作
          1. 4-1 撰寫第一支神經網路程式
          2. 4-2 模型種類
          3. 4-3 神經層(Layer)
          4. 4-4 激勵函數(Activation Functions)
          5. 4-5 損失函數(Loss Functions)
          6. 4-6 優化器(Optimizer)
          7. 4-7 效能衡量指標(Performance Metrics)
          8. 4-8 超參數調校(Hyperparameter Tuning)
        3. 第5章 PyTorch進階功能
          1. 5-1 資料集(Dataset)及資料載入器(DataLoader)
          2. 5-2 TensorBoard
          3. 5-3 模型佈署(Deploy)與TorchServe
        4. 第6章 卷積神經網路(Convolutional Neural Network)
          1. 6-1 卷積神經網路簡介
          2. 6-2 卷積(Convolution)
          3. 6-3 各式卷積
          4. 6-4 池化層(Pooling Layer)
          5. 6-5 CNN模型實作
          6. 6-6 影像資料增補(Data Augmentation)
          7. 6-7 可解釋的AI(eXplainable AI， XAI)
        5. 第7章 預先訓練的模型(Pre-trained Model)
          1. 7-1 預先訓練模型的簡介
          2. 7-2 採用完整的模型
          3. 7-3 採用部分模型
          4. 7-4 轉移學習(Transfer Learning)
          5. 7-5 Batch Normalization 說明
      3. 第三篇 進階的影像應用
        1. 第8章 物件偵測(Object Detection)
          1. 8-1 圖像辨識模型的發展
          2. 8-2 滑動視窗(Sliding Window)
          3. 8-3 方向梯度直方圖(HOG）
          4. 8-4 R-CNN物件偵測
          5. 8-5 R-CNN改良
          6. 8-6 YOLO演算法簡介
          7. 8-7 YOLO測試
          8. 8-8 YOLO環境建置
          9. 8-9 YOLO模型訓練
          10. 8-10 YOLOv5模型訓練
          11. 8-11 SSD演算法
          12. 8-12 物件偵測的效能衡量指標
          13. 8-13 總結
        2. 第9章 進階的影像應用
          1. 9-1 語義分割(Semantic Segmentation)介紹
          2. 9-2 自動編碼器(AutoEncoder)
          3. 9-3 語義分割(Semantic segmentation)實作
          4. 9-4 實例分割(Instance Segmentation)
          5. 9-5 風格轉換(Style Transfer)──人人都可以是畢卡索
          6. 9-6 臉部辨識(Facial Recognition)
          7. 9-7 光學文字辨識(OCR)
          8. 9-8 車牌辨識(ANPR)
          9. 9-9 卷積神經網路的缺點
        3. 第10章 生成對抗網路 (GAN)
          1. 10-1 生成對抗網路介紹
          2. 10-2 生成對抗網路種類
          3. 10-3 DCGAN
          4. 10-4 Progressive GAN
          5. 10-5 Conditional GAN
          6. 10-6 Pix2Pix
          7. 10-7 CycleGAN
          8. 10-8 GAN 挑戰
          9. 10-9 深度偽造(Deepfake)
      4. 第四篇 自然語言處理
        1. 第11章 自然語言處理的介紹
          1. 11-1 詞袋(BOW)與TF-IDF
          2. 11-2 詞彙前置處理
          3. 11-3 詞向量(Word2Vec)
          4. 11-4 GloVe模型
          5. 11-5 中文處理
          6. 11-6 spaCy套件
        2. 第12章 自然語言處理的演算法
          1. 12-1 循環神經網路(RNN)
          2. 12-2 PyTorch內建文本資料集
          3. 12-3 長短期記憶網路(LSTM)
          4. 12-4 自訂資料集
          5. 12-5 時間序列預測
          6. 12-6 Gate Recurrent Unit(GRU)
          7. 12-7 股價預測
          8. 12-8 注意力機制(Attention Mechanism)
          9. 12-9 Transformer架構
          10. 12-10 BERT
          11. 12-11 Transformers套件
          12. 12-12 總結
        3. 第13章 聊天機器人(ChatBot)
          1. 13-1 ChatBot類別
          2. 13-2 ChatBot設計
          3. 13-3 ChatBot實作
          4. 13-4 ChatBot工具套件
          5. 13-5 Dialogflow實作
          6. 13-6 結語
        4. 第14章 語音辨識
          1. 14-1 語音基本認識
          2. 14-2 語音前置處理
          3. 14-3 PyTorch語音前置處理
          4. 14-4 PyTorch內建語音資料集
          5. 14-5 語音深度學習應用
          6. 14-6 自動語音辨識(Automatic Speech Recognition)
          7. 14-7 自動語音辨識實作
          8. 14-8 結語
      5. 第五篇 強化學習(Reinforcement Learning)
        1. 第15章 強化學習
          1. 15-1 強化學習的基礎
          2. 15-2 強化學習模型
          3. 15-3 簡單的強化學習架構
          4. 15-4 Gym 套件
          5. 15-5 Gym 擴充功能
          6. 15-6 動態規劃(Dynamic Programming)
          7. 15-7 值循環(Value Iteration)
          8. 15-8 蒙地卡羅(Monte Carlo)
          9. 15-9 時序差分(Temporal Difference)
          10. 15-10 井字遊戲
          11. 15-11 連續型狀態變數與Deep Q-Learning演算法
          12. 15-12 Actor Critic演算法
          13. 15-13 實際應用案例
          14. 15-14 其他演算法
          15. 15-15 結論
      6. 第六篇 圖神經網路(GNN)
        1. 第16章 圖神經網路(GNN)
          1. 16-1 圖形理論(Graph Theory)
          2. 16-2 PyTorch Geometric(PyG)
          3. 16-3 圖神經網路(GNN)
          4. 16-4 結論

    購買說明

    根據台灣現行法規，數位內容（ 如電子書、音樂、影片、遊戲、App ）形式之商品，不受「網購服務需提供七日鑑賞期」的限制。為維護您的權益，建議您先使用「試讀」功能後再付款購買。

    作者其他作品

    深度學習最佳入門與專題實戰：自然語言處理、大型語言模型與強化學習篇

    深度學習最佳入門與專題實戰：理論基礎與影像篇

    Rust最佳入門與實戰

    ChatGPT完整解析：API實測與企業應用實戰

    深度學習：最強入門邁向AI專題實戰

    MORE
    出版社簡介
    深智數位股份有限公司
    出版社作品

    生成式AI × 穩健提示爬蟲技術 I－數據抓取篇：爬蟲× OCR × 多模態API應用×Perplexity AI Comet Generative AI × Robust Prompted Sampling

    大型語言模型應用實戰：從Prompt Engineering到Agentic RAG與MCP

    NotebookLM筆記術：打造你的AI「第二大腦」

    更多出版社作品
    試讀