Readmoo 讀墨電子書
每日問答 每日優惠 版權到期
深度學習最佳入門與專題實戰：理論基礎與影像篇
0 則劃線
0 篇書評

深度學習最佳入門與專題實戰：理論基礎與影像篇

分類導覽 > 電腦科技 > 程式設計
  • 出版日期： 2025/05/19
  • 語言：繁體中文
  • 檔案大小：106.8MB
  • 商品格式：固定版面 EPUB
  • ISBN: 9786267569825
  • eISBN: 9786267569887
  • 頁數： 666
紙本書定價：NT$ 980
電子書定價：NT$ 980
電子書售價：NT$ 784
本書為固定版面 EPUB，建議您使用 mooInk Pro 系列、平板及電腦閱讀。

本書專為想掌握深度學習核心概念卻不希望陷入繁瑣數學推導的讀者而設計，以「以程式設計取代定理證明」為宗旨，透過實作引導理解，縮短學習曲線，提升學習趣味與成就感。

喜歡這本的人，也看了...

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

    https://youtu.be/aCXqTqqQzVY Gemini 3 x NotebookLM 領軍 Nano Banana Pro x Veo x Whisk x Flow x Gem Google 多模態 AI 工作流 本書內容 ☆★☆從 Gemini...

    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（著）
    深智數位股份有限公司
    電子書： NT$ 576

    "★★★「程式設計不再孤軍奮戰，讓 AI 成為你的戰友！」★★★ ☆☆☆「用 VS Code + Copilot，讓寫程式變得像聊天一樣簡單！」☆☆☆ ★★★「專案實戰，立即上手，程式...

    試讀
  • 蔡煥麟
    一步出版
    電子書： NT$ 490

    這不是一本鉅細靡遺的 C# 語法字典。 本書將介紹 C# 語言當中較為核心、進階、或需要花較多時間深度理解的部分。不同於傳統程式設計書籍的是，本書特別強調...

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

    NotebookLM筆記術 打造你的AI「第二大腦」 ★☆★ 從「抄重點」走向「理解與輸出」 ★☆★ ★☆★ 多來源整合 x 提問思考 x 知識累積 ★☆★ ★☆★ 學生、教師、上班...

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

    為什麼這本《AI 思維 - 原子習慣》值得你帶回家？ 如果你已經看過無數「自律」、「時間管理」、「成功習慣」的書，卻始終做不到、撐不久、三分鐘熱度，那不...

    試讀
  • 柳絮 段采伶
    深智數位股份有限公司
    電子書： NT$ 496

    市面上第一本結合「八字命盤、AI 覺察與人生指引信」的自我探索說明書。 寫給站在人生岔路前、猶豫著該往哪裡走的你， 寫給忙得不敢停下、只能硬撐著往前走的...

    試讀
  • 許國政（Kuro）
    博碩文化
    出版日期：2021-02-07
    電子書： NT$ 450

    從零開始！快速上手！網羅完整Vue.js功能的實戰指南

    試讀
  • 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
  • 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
  • Sam T.
    深智數位股份有限公司
    電子書： NT$ 632

    ★★★《AWS自學聖經》作者Sam T.全新作★★★ ★★★圖解教學★★★ ✦什麼是K8S？ K8S全名為Kubernetes，是一套容器化管理框架，常與Docker等技術一起運用。近年來...

    試讀
  • 彭其捷 曹伊裴
    博碩文化
    出版日期：2025-07-09
    電子書： NT$ 680

    風靡全球UI/UX設計神器Figma 本書精選70個實作技巧，零基礎上手擬真介面設計 了解Figma實戰基礎與進階技巧 認識Figma環境、社群、外掛、延伸學習資源

    試讀
  • 洪錦魁（著）
    深智數位股份有限公司
    電子書： NT$ 448

    ☆★☆★☆ 讓 AI 揭開你的健康真相 ☆★☆★☆ ☆★☆★☆ 每日生活變成你的長壽武器 ☆★☆★☆ ☆★☆★☆ AI 秒做菜單、秒排運動 ☆★☆★☆ ☆★☆★☆ 睡不好？AI 給你最強助眠組合 ☆★☆★☆ ☆...

    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
  • 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
  • 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
  • 李允中
    國立臺灣大學出版中心
    電子書： NT$ 474

    軟體開發本身有著本質上的問題及困難，軟體工程各種工程層面及管理層面中涉及的技術，便是為了逐步克服與減緩這些軟體與生俱來的複雜性、易變性、隱藏性及一...

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

    https://youtu.be/1s9CaTmY4RM 機器學習 最強入門邁向AI高手 王者歸來(全彩印刷) 內容簡介 ★★★★★【數學原理 + 演算法 + 真實案例 + 專題實作】★★★★★ ...

    試讀

    • 詳細資訊

    https://youtu.be/rXeKT66qd_s

    ★☆★深度學習暢銷好書2025全新改版★☆★

    本書專為想掌握深度學習核心概念卻不希望陷入繁瑣數學推導的讀者而設計，以「以程式設計取代定理證明」為宗旨，透過實作引導理解，縮短學習曲線，提升學習趣味與成就感。
    內容著重於演算法的觀念理解，輔以大量圖解說明，捨棄冗長的理論鋪陳，讓讀者能夠輕鬆掌握深度學習的核心原理。全書提供完整範例程式與多種演算法的實務應用，強調實用性與延伸性，期盼能激發讀者靈感，將所學應用於實際專案或產品開發中。
    本次改版翻修實作的範例程式，並新增更多應用實例及演算法說明，例如Transformer、Diffusion Model等。
    《深度學習最佳入門與專題實戰：理論基礎與影像篇》內容包括：深度學習導論、神經網路原理、TensorFlow 基礎操作、物件偵測、生成式 AI、生成對抗網路、擴散模型等，全面涵蓋深度學習的基礎知識與影像應用領域。

    適合讀者
    ►深度學習的入門者：必須熟悉Python 程式語言及機器學習基本概念。
    ►資料工程師：以應用系統開發為職志，希望能應用各種演算法，進行實作。
    ►資訊工作者：希望能擴展深度學習知識領域。
    ►從事其他領域的工作，希望能一窺深度學習奧秘者。

    影音資訊

    目錄列表

  • 目錄
    1. COVER
      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 人工智慧的未來趨勢
          3. 1-3 AI 的學習地圖
          4. 1-4 機器學習應用領域
          5. 1-5 機器學習開發流程
          6. 1-6 開發環境安裝
          7. 參考資料（References）
        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 線性代數（Linear Algebra）
            1. 2-2-1 向量（Vector）
            2. 2-2-2 矩陣（Matrix）
            3. 2-2-3 聯立方程式求解
          3. 2-3 微積分（Calculus）
            1. 2-3-1 微分（Differentiation）
            2. 2-3-2 微分定理
            3. 2-3-3 偏微分（Partial Differentiation）
            4. 2-3-4 線性迴歸求解
            5. 2-3-5 積分（Integration）
          4. 2-4 機率（Probability）與統計（Statistics）
            1. 2-4-1 資料型態
            2. 2-4-2 抽樣（Sampling）
            3. 2-4-3 基礎統計（Statistics Fundamentals）
            4. 2-4-4 機率（Probability）
            5. 2-4-5 機率分配（Distribution）
            6. 2-4-6 假設檢定（Hypothesis Testing）
            7. 2-4-7 小結
          5. 2-5 線性規劃（Linear Programming）
          6. 2-6 最大概似法（MLE）
          7. 2-7 神經網路（Neural Network）求解
            1. 2-7-1 神經網路（Neural Network）
            2. 2-7-2 梯度下降法（Gradient Descent）
            3. 2-7-3 神經網路求解
          8. 參考資料（References）
      2. 第二篇 TensorFlow 基礎篇
        1. 第3章 TensorFlow 架構與主要功能
          1. 3-1 常用的深度學習套件
          2. 3-2 TensorFlow 架構
          3. 3-3 張量（Tensor）運算
          4. 3-4 自動微分（Automatic Differentiation）
          5. 3-5 神經層（Neural Network Layer）
          6. 參考資料（References）
        2. 第4章 神經網路實作
          1. 4-1 撰寫第一支神經網路程式
            1. 4-1-1 最簡短的程式
            2. 4-1-2 程式強化
            3. 4-1-3 實驗
          2. 4-2 Keras 模型種類
            1. 4-2-1 順序型模型（Sequential Model）
            2. 4-2-2 Functional API
          3. 4-3 神經層（Layer）
            1. 4-3-1 完全連接神經層（Dense Layer）
            2. 4-3-2 Dropout Layer
          4. 4-4 激勵函數（Activation Function）
          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）
          9. 參考資料（References）
        3. 第5章 TensorFlow 常用指令與功能
          1. 5-1 特徵轉換
          2. 5-2 模型存檔與載入（Model Saving and Loading）
          3. 5-3 模型彙總與結構圖（Summary and Plotting）
          4. 5-4 回呼函數（Callbacks）
            1. 5-4-1 EarlyStopping Callback
            2. 5-4-2 ModelCheckpoint Callback
            3. 5-4-3 TensorBoard Callback
            4. 5-4-4 自訂Callback
            5. 5-4-5 自訂Callback
            6. 5-4-6 取得優化器的學習率變化
            7. 5-4-7 小結
          5. 5-5 TensorBoard
            1. 5-5-1 TensorBoard 功能
            2. 5-5-2 測試
            3. 5-5-3 寫入圖片
            4. 5-5-4 效能調校（Performance Tuning）
            5. 5-5-5 敏感度分析（What-If Tool, WIT）
            6. 5-5-6 小結
          6. 5-6 模型佈署（Deploy）
            1. 5-6-1 網頁開發
            2. 5-6-2 桌面程式開發
          7. 5-7 TensorFlow Dataset
            1. 5-7-1 產生Dataset
            2. 5-7-2 圖像Dataset
            3. 5-7-3 TFRecord 與Dataset
            4. 5-7-4 TextLineDataset
            5. 5-7-5 Dataset 效能提升
          8. 參考資料（References）
        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 濾波器（Filter）
          4. 6-4 池化層（Pooling Layer）
          5. 6-5 CNN 模型實作
          6. 6-6 資料增補（Data Augmentation）
          7. 6-7 可解釋的AI（eXplainable AI, XAI）
          8. 6-8 卷積神經網路的缺點
          9. 參考資料（References）
        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
          6. 參考資料（References）
      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 影像金字塔與滑動視窗
          3. 8-3 方向梯度直方圖（HOG）
          4. 8-3 R-CNN 系列演算法
          5. 8-4 R-CNN 改良
          6. 8-5 YOLO 演算法簡介
          7. 8-6 YOLO 訓練與推論
          8. 8-7 YOLO 各項功能
          9. 8-8 圖像分類（Image Classification）
          10. 8-9 物件偵測（Object Detection）
            1. 8-9-1 YOLO 物件偵測（Object Detection）
            2. 8-9-2 TensorFlow Object Detection API
          11. 8-10 資料標記（Data Annotation）
          12. 8-11 物件偵測的效能衡量指標
          13. 8-12 實例分割（Instance Segmentation）
          14. 8-13 姿態辨識（Pose Estimation）
          15. 8-14 旋轉邊界框物件偵測（Oriented Bounding Boxes Object Detection）
          16. 8-15 物件追蹤（Object Tracking）
          17. 8-16 YOLO 測試心得
          18. 8-17 總結
          19. 參考資料（References）
        2. 第9章 生成式AI（Generative AI）
          1. 9-1 編碼器與解碼器（Encoder-decoder）
          2. 9-2 自動編碼器（AutoEncoder）
          3. 9-3 變分自編碼器（Variational AutoEncoder）
          4. 9-4 Conditional VAE
          5. 9-5 U-Net
          6. 9-6 風格轉換（Style Transfer） -- 人人都可以是畢卡索
          7. 9-7 快速風格轉換（Fast Style Transfer）
          8. 9-8 本章小結
          9. 參考資料（References）
        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 CartoonGAN
          9. 10-9 GAN 挑戰
          10. 10-10 深度偽造（Deepfake）
          11. 參考資料（References）
        4. 第11章 擴散模型（Diffusion Model）
          1. 11-1 擴散模型（Diffusion Model）原理
          2. 11-2 擴散模型（Diffusion Model）實作
          3. 11-3 MidJourney 簡介
          4. 11-4 Stable Diffusion 簡介
          5. 11-5 DreamStudio 使用
          6. 11-6 Stable Diffusion 本機安裝
          7. 11-7 Stable Diffusion API
          8. 11-8 Stable Diffusion Extension
          9. 11-9 ControlNet in Diffusers
          10. 11-10 NitroFusion
          11. 11-11 OpenAI DALL · E
          12. 11-12 本章小結
          13. 參考資料（References）
        5. 第12章 其他影像應用
          1. 12-1 臉部辨識（Facial Recognition）
          2. 12-2 臉部偵測（Face Detection）
          3. 12-3 MTCNN 演算法
          4. 12-4 臉部追蹤（Face Tracking）
          5. 12-5 臉部特徵點偵測
          6. 12-6 臉部驗證（Face Verification）
          7. 12-7 光學文字辨識（OCR）
          8. 12-8 EasyOCR
          9. 12-9 車牌辨識（ANPR）
          10. 12-10 影像去背（Background Removing）
          11. 12-11 本章小結
          12. 參考資料（References）

    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

    Rust最佳入門與實戰

    開發者傳授PyTorch秘笈

    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