圖解機器學習和深度學習入門（簡體書）
商品資訊
商品簡介
本書作為人工智能專業的入門書，帶領讀者初步學習和實踐機器學習、深度學習的算法、流程和核心技術，並介紹了系統開發及開發環境，通過圖解的方式將難懂的專業術語和算法表現出來，讓沒有相關專業基礎的讀者能夠輕鬆入門。同時，本書還介紹了一些比較常用的網站網絡服務，讓讀者能夠學以致用。本書適合人工智能領域入門讀者，也適合對人工智能感興趣的其他領域讀者學習。
名人/編輯推薦
這本書的特色就是“簡單”，這本書沒有這麼多的“高大上”，而是用基本的表達講述了很多達人們覺得理所應當而新手們云裡霧裡的知識，甚至能讓學過理論知識但是沒有實踐的人讀完之後產生，原來機器學習是這個樣子呀的感覺。這本書裡沒有大量生澀的公式，也沒有令人望而生畏的論文，有的只是一幅幅生動的示意圖，能讓讀者將人工智能的知識通過圖解的方式記到心裡。
序
譯者的話
相信每個愛看好萊塢大片的讀者都會有一個機器人夢，我也不例外，而近幾年興起的人工智能技術則讓人類對機器可以產生智能這件事的信心提高到了空前的水平。雖然熱度很高，但人工智能領域所需要的數學基礎和算法知識讓大多數想要進入這個領域的人望而卻步，為此大量講授機器學習知識和技巧的書籍以及自媒體應運而生。這些文章的作者普遍都已經有了相當深厚的知識積累，有的甚至在行業內享有極高聲譽，他們講授的知識都是正確且先進的。可是想要進入這個領域的讀者往往沒有相當好的數學基礎，有的讀者還是初高中在讀生，大量的先導知識讓讀者往往需要大量查閱其他資料才能有所領悟。
為了能夠讓更多讀者一覽人工智能的美妙，譯者選中了這本書，選中這本書的原因就是它的“簡單”，這本書沒有那麼多高深的理論，而是用簡單的語言介紹了很多行家們覺得理所應當而新手們云裡霧裡的知識，甚至能讓學過理論知識但是沒有實踐的人讀完之後產生“原來機器學習是這個樣子呀”的感覺。這本書裡沒有大量生澀的公式，也沒有令人望而生畏的論文，有的只是一幅幅生動的示意圖，通過圖解的方式讓讀者將人工智能的知識理解透徹。
本書的翻譯過程讓譯者也學到了很多，由於譯者水平有限，不妥之處在所難免，敬請各位讀者批評指正。
譯者
前言
“人工智能”“機器學習”“深度學習”這些詞匯近年來迅速占領各大媒體。最近公開的經濟產業省的估算指出，2030年日本的AI工程師將會有12萬人的缺口。在時代的洪流下，即使沒有人工智能專業基礎的人也對機器學習的應用有著需求。
近幾年，各種基於機器學習的程序庫和不需要編程的機器學習服務逐漸普及，即使不是專家，只要準備好數據，也能實現一些需求。但是在不知道機器學習算法的內部發生什麼的情況下，盲目地將其應用在商務等重要場合是極度危險的。一般情況下，AI工程師從入門到精通需要搜羅學習大量的網絡文章和專門書籍，而這些文章和書籍大都預設了“你已經有了一定的基礎”的立場，因此就少了很多的前提說明，讓讀者難以理解機器學習的主旨。而專業書籍中的數學公式又太多，想要成為AI工程師的人從此入手的難度又太高。
本書就是填補這一空白的作品。為此，本書不會為了大量列舉公式而犧牲必要的講解，對於AI工程師必須理解的東西，本書會用圖示的方式循序漸進地介紹給大家。希望能有更多的讀者通過本書發現機器學習的有趣之處和可能性，因此而踏入機器學習的世界。
山口達輝
目次
第1章 人工智能的基礎知識
01 人工智能是什麼 002
02 機器學習（ML） 006
03 深度學習（DL）是什麼 010
04 人工智能和機器學習的普及之路 014
第2章 機器學習的基礎知識
05 有教師學習的機制 020
06 無教師學習的機制 024
07 強化學習的機制 028
08 統計和機器學習的區別 030
09 機器學習和特徵量 034
10 擅長的領域和不擅長的領域 038
11 應用機器學習的案例 042
第3章 機器學習的過程和核心技術
12 機器學習的基本工作流程 048
13 數據的收集 052
14 數據的整定 056
15 模型的製作和訓練 060
16 批學習和在線學習 064
17 利用測試數據對預測結果進行驗證 066
18 訓練結果的評價標準 070
19 超參數和模型的調節 076
20 主動學習 080
21 相關和因果 084
22 反饋回路 088
第4章 機器學習算法
23 回歸分析 092
24 支持向量機 098
25 決策樹 102
26 協同學習 106
27 協作學習的應用 110
28 邏輯回歸 114
29 貝葉斯模型 116
30 時間序列分析和狀態空間模型 120
31 k近鄰（k-NN）法和k平均（k-means）法 124
32 降維和主成分分析 128
33 優化和遺傳算法 132
第5章 深度學習的基礎知識
34 神經網絡和其歷史 138
35 深度學習和圖像識別 146
36 深度學習和自然語言處理 150
第6章 深度學習的流程和核心技術
37 基於誤差反向傳播法的神經網絡學習 156
38 神經網絡的優化 158
39 坡度消失問題 162
40 遷移學習 164
第7章 深度學習算法
41 卷積神經網絡（CNN） 170
42 遞歸型神經網絡（RNN） 174
43 強化學習和深度學習 180
44 自動編碼器 186
45 GAN（生成對抗網絡） 190
46 物體檢測 194
第8章 系統開發和開發環境
47 人工智能編程使用的主要語言 200
48 機器學習的庫和框架 204
49 深度學習的框架 208
50 GPU編程和快速化 214
51 機器學習服務 216
結束語 219
參考文獻 220
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。