數學忘光光，人工智慧原理看不懂？

　　→ 大量的【圖解說明】讓你秒懂運作原理


　　用相同資料集，訓練好的模型準確率比別人低很多？

　　→ 【舉一反三不死背】，教你用最適當的演算法調整模型


　　手上一堆資料，但要怎麼餵給神經網路？

　　→ 解說各種類型資料的【預處理手法】


　　本書秉持「先圖解、再實作，而後實務應用」的精神，帶你實際使用

　　Python 3 + TensorFlow + Keras，訓練自己的深度學習模型


　　深度學習是一種「實現機器學習的技術」，能夠利用如人類大腦功能般的「類神經網路」，處理如視覺、聽覺等感知問題，從學習中更新權重與偏向量進行學習，最後進行分類或預測。學會各種神經網路的類型後，教導讀者懂得調校神經網路和轉移學習目標，讓讀者能夠真正建構出屬於自己的神經網路模型。


　　書中的資料與範例中，將運用到：

　　■ MLP 多層感知器 - 進行糖尿病、鳶尾花的多元分類預測

　　■ MLP 多層感知器 - 進行房價的迴歸預測

　　■ CNN 卷積神經網路 - 進行彩色圖片的分類

　　■ LSTM 長短期記憶神經網路 - 進行股價預測

　　■ RNN 循環神經網路、LSTM、GRU 閘門循環單元神經網路 - 進行影評的情緒分析

　　還有手寫辨識預測、自編碼器 AE、主題分類等大量範例實作！

本書特色


　　◎ 人工智慧、機器學習、深度學習的基礎

　　◎ 從最基礎的神經網路建構

　　◎ 最具突破性的卷積神經網路實戰與應用

　　◎ 處理自然語言等具序列性資料的循環神經網路

　　◎ 建構並調整自己的神經網路模型

　　◎ 神經網路的模型視覺化、共享與輸出