作者簡介
文淵閣工作室
一個致力於資訊圖書創作二十餘載的工作團隊,擅長用輕鬆詼諧的筆觸,深入淺出介紹難懂的 IT 技術,並以範例帶領讀者學習電腦應用的大小事。
我們不賣弄深奧的專有名辭,奮力堅持吸收新知的態度,誠懇地與讀者分享在學習路上的點點滴滴,讓軟體成為每個人改善生活應用、提昇工作效率的工具。
舉凡程式開發、文書處理、美工動畫、攝影修片、網頁製作,都是我們專注的重點,而不同領域有各自專業的作者組成,以進行書籍的規劃與編寫。一直以來,感謝許多讀者與學校老師的支持,選定為自修用書或授課教材。衷心期待能盡我們的心力,幫助每一位讀者燃燒心中的小宇宙,用學習的成果在自己的領域裡發光發熱!
我們期待自己能在每一本創作中注入快快樂樂的心情來分享, 也期待讀者能在這樣的氛圍下快快樂樂的學習。
官方網站:www.e-happy.com.tw
FB粉絲團:www.facebook.com/ehappytw
01 打造最強環境:TensorFlow和Keras
1.1 人工智慧、機器學習和深度學習的關係
1.2 什麼是機器學習?
1.3 什麼是深度學習?
1.5 建置Python的開發環境
1.6 建置開發TenserFlow和Keras的虛擬環境
1.7 Python編輯器的使用
1.8 安裝GPU版的TensorFlow和Keras
02 機器學習起點:多層感知器(MLP)
2.1 認識多層感知器(MLP)
2.2 認識Mnist資料集
2.4 多層感知器實戰:Mnist手寫數字圖片辨識
2.5 模型儲存和載入
2.6 模型權重的儲存和載入
2.7 建立多個隱藏層
03 影像識別神器:卷積神經網路(CNN)
3.1 卷積神經網路(CNN)基本結構
3.2 卷積神經網路實戰:Mnist手寫數字圖片辨識
3.3 模型權重的儲存和載入
04 語言文字處理利器:循環神經網路(RNN)
4.1 循環神經網路(RNN)基本結構
4.2 循環神經網路實戰:Mnist手寫數字圖片辨識
4.3 模型權重的儲存和載入
4.4 長短期記憶(LSTM)
05 體驗機器學習雲端平台:Microsoft Azure
5.1 專題方向
5.2 電腦視覺資源
5.3 臉部辨識資源
5.4 文字語言翻譯資源
06 一探演算法雲端寶庫:Algorithmia
6.1 專題方向
6.2 認識Algorithmia平台
6.3 使用Algorithmia演算法
07 自然語言處理:文字雲與文章自動摘要
7.1 專題方向
7.2 Jieba模組
7.3 文字雲
7.4 文章自動摘要
08 語音辨識應用:YouTube影片加上字幕
8.1 專題方向
8.2 語音辨識
8.3 影片字幕製作
09 投資預測實證:股票走勢分析
9.1 專題方向
9.2 台灣股市資訊模組
9.3 股票分析
9.4 股票預測
10 最狂刷臉時代:臉部辨識登入系統
10.1 專題方向
10.2 face++網站及SQLite資料庫
10.3 本機版刷臉登入系統
10.4 雲端版刷臉登入系統
11 自動標示物件:用Haar特徵分類器擷取車牌
11.1 專題方向
11.2 準備訓練Haar特徵分類器資料
11.3 建立車牌號碼Haar特徵分類器模型
11.4 使用Haar特徵分類器模型
12 無所遁形術:即時車牌影像辨識
12.1 專題方向
12.2 車牌號碼機器學習訓練資料
12.3 建立車牌辨識系統