-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

AutoML 自動化機器學習:用 AutoKeras 超輕鬆打造高效能 AI 模型

( 繁體 字)
作者:Luis Sobrecueva 著類別:1. -> 程式設計 -> 綜合
譯者:許珮瑩 譯、施威銘研究室 監修
出版社:旗標出版AutoML 自動化機器學習:用 AutoKeras 超輕鬆打造高效能 AI 模型 3dWoo書號: 55455
詢問書籍請說出此書號!

缺書
NT定價: 690
折扣價: 545

出版日:12/16/2021
頁數:400
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 繁體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9789863126973
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

★ 免懂數學免瞎忙!不必再被迫學數學,就能輕鬆將 AI 運用在真實世界
★ 什麼是神經網路和深度學習?何謂 CNN 與 RNN?用淺顯易懂的方式理解其運作原理
★ 只要寫短短幾行 Python 程式,就能打造出強效深度學習模型,省時省力又好用
★ 無須透過複雜的 Keras API 就能使用諸如 ResNet、Xception、EfficientNet、Transformer、BERT、LStM、GRU 等知名模型架構
★ 提供了使用真實資料集的豐富實作範例,從圖像、文字、時間序列到一般結構化資料的預測一應俱全
★ 運用內建的 AutoModel 類別針對多模態 (multi-model) 資料建立多任務 (multi-task) 自訂模型
★ 利用 TensorBoard 或 ClearML 將你的模型訓練過程圖形化,更容易比較訓練成效和分享
★ 附 notebook/py 範例程式、Google Colab 及本機安裝教學,包括如何安裝 CUDA GPU 支援
★ 加值贈送:運用 2021 年新推出的輕量級 AutoML 套件 Flaml 來預測結構化資料!
內容簡介:

色彩:黑白
附件:

[本書勘誤表請點此]

有了三個臭皮匠,何必每次堅持找個諸葛亮?

任何人都能運用深度學習(DL)嗎?AutoML(自動化機器學習)已經遍地開花,各大企業諸如 Google、Microsoft、Amazon、IBM、SAS 等都推出了自己的 AutoML 服務,讓使用者不必具備專業領域知識,也能快速打造出自己的 AI 模型。換言之,AutoML 徹底降低了 「AI 落地」的門檻。

AutoML不能取代資料科學家,卻能大大省下你試驗機器學習模型的時間與痛苦。當你的朋友還在興致沖沖算數學時,你說不定早就端出了可投入實用的高效能模型。

而什麼是 AutoKeras?這是一套完全開源的 Python AutoML 套件,以 Tensorflow 2 為基礎、運用創新的『高效神經網路架構搜尋』(ENAS)來實現自動化建模。AutoKeras 對於影像、文字、時間序列或一般結構化資料的預測都提供了內建類別,甚至會加上資料預處理功能,使你只需用短短幾行程式碼便能打造出成效優異的 DL 模型,還不必接觸高深的數學。

就連經驗豐富的專家也能受惠:利用 AutoKeras 快速產生候選模型,好做為進一步改良的參考,並將更多寶貴的時間投注在資料清洗與特徵工程上。

從此向困難、令人困惑的建模過程說拜拜,跨入深度學習的門檻從未如此之低;有了 AutoKeras,任何人都能駕馭 AI 的威力來解決真實世界的問題。

目錄:

Chapter 1 AutoML 入門
Chapter 2 開始使用 AutoKeras ──第一個自動化 DL 範例
Chapter 3 了解 AutoKeras 對於自動化 DL 流程的資料預處理
Chapter 4 運用 AutoKeras 進行圖像的分類與迴歸
Chapter 5 運用 AutoKeras 進行文本、情感、主題的分類與迴歸
Chapter 6 運用 AutoKeras 進行結構化資料的分類與迴歸
Chapter 7 運用 AutoKeras 進行時間序列預測
Chapter 8 自訂 AutoModel 複合模型並處理多重任務
Chapter 9 AutoKeras 模型的匯出與訓練過程視覺化
Bonus (電子書) 運用輕量級 AutoML 套件 Flaml 於結構化資料預測任務
序: