本篇專案為參與 人工智慧與深度學習:理論與Python實踐 一書並協助作者編寫之範例,主要內容為介紹人工智慧相關的演算法理論基礎以及完整的數學推導過程,在各章節後面接輔以python範例實踐演算法。
• 從深度學習的預備知識開始,帶領讀者具備進入深度學習的領域知識。
• 提供各種演算法的手算範例,讓讀者更能理解各演算法的過程。
• 除介紹在深度學習已常用的方法外,更加介紹新近的各種演算法。
• 推導各種演算法的梯度過程,使讀者更深入瞭解演算法的數理過程。
• 各章節提供數個Python範例,完整帶領讀者使用深度學習來解決各類問題。
- IMDb
- Mnist
- Cifar10
- 神經網路 (多層感知機 Multilayer perceptron, MLP)
- 多層神經網路 (Deep Multilayer perceptron, DeepMLP)
- 卷積神經網路 (Convolutional neural network, CNN)
- 長短期記憶網路 (Long Short-Term Memory, LSTM)
- GRU(Gate Recurrent Unit)
- 深度信念網路(Deep Belief Network, DBN)
- 自編碼器 (Autoencoder)
- VAE(Variational AutoEncoder)
- 生成對抗網路 (Generative Adversarial Network, GAN)
- 注意力模型 (Attention-based Models)