TensorFlow+Keras 深度學習人工智慧實務應用

人工智慧時代來臨，必須學習的新技術
輕鬆學會「深度學習」:先學Keras再學TensorFlow

★成長最快領域：深度學習與類神經網路，是人工智慧成長最快的領域，讓電腦更接近人類的思考。
★應用深入生活：手機語音助理、人臉識別、影像辨識、手寫辨識、醫學診斷、自然語言處理。
★實作快速上手：只需Python基礎，本書Step by Step學習，就可以輕鬆學會深度學習概念與應用。

Tensorflow功能強大、執行效率高、支援各種平台。然而是屬於低階的深度學習程式庫，學習門檻高。所以本書先介紹Keras是高階的深度學習程式庫，對初學者學習門檻低，可以很容易地建立深度學習模型，並且進行訓練、預測。等讀者熟悉深度學習模型概念後，再來學習Tensorflow，就不會感覺那麼困難。

【在Windows安裝Tensorflow 1.0 + Keras2.0】
對於初學者而言，在Windows安裝非常簡單容易上手。本書詳細步驟說明，如何在Windows作業系統上，安裝最新版的Tensorflow 1.0 + Keras2.0。

【在Linux Ubuntu安裝Tensorflow 1.0 + Keras2.0】
因為Linux 作業系統是大數據分析與機器學習，很常用的平台。本書詳細步驟說明，如何在Linux Ubuntu作業系統上，安裝最新版的Tensorflow 1.0 + Keras2.0。

【使用GPU大幅加快深度學習訓練】
GPU的平行運算架構，可讓深度學習訓練比 CPU快數十倍。您必須有Nvidia顯示卡。然後依照本書步驟說明，安裝Cuda、CudNN以及Tensorflow GPU版本，就可以使用GPU大幅加快深度學習訓練。

【手寫數字辨識】
以實際範例說明，如何使用Keras與Tensorflow建構MLP（多層感知器）、CNN（卷積神經網路）模型，可辨識0~9的手寫數字。

【照片影像辨識】
以實際範例說明，如何使用Keras建構CNN（卷積神經網路）模型，可辨識照片類別:飛機、汽車、鳥、貓、鹿、狗、青蛙、船、卡車。

【預測鐵達尼號旅客生存機率】
以實際範例說明，如何使用Keras建構MLP（多層感知器）模型、可以預測旅客及鐵達尼號電影男女主角生存機率，並且找出鐵達尼號其他旅客的感人故事。

【影評文字情緒分析（Sentiment Analysis）】
情緒分析的商業價值，在於透過文字分析得知顧客對公司或產品的評價，以調整營運策略。本書以實際範例說明，如何Keras自然語言處理，建構多層感知器（MLP）、遞歸神經網絡（RNN）、長短期記憶（LSTM）等模型，可以預測正面或負面評價。

林大貴
作者從事IT產業多年，系統設計、網站開發、數位行銷、商業智慧、大數據、機器學習等領域，具備豐富實務經驗。

【facebook粉絲團】
https://www.facebook.com/TensorflowKeras/

【部落格】
http://tensorflowkeras.blogspot.tw/

CHAPTER01 人工智慧、機器學習、深度學習介紹
CHAPTER02 深度學習的原理
CHAPTER03 TensorFlow與Keras介紹
CHAPTER04 在Windows 安裝TensorFlow與Keras
CHAPTER05 Linux Ubuntu安裝Tensorflow與Keras
CHAPTER06 Keras MNIST手寫數字辨識資料集介紹
CHAPTER07 Keras多元感知器（MLP）辨識手寫數字
CHAPTER08 Keras卷積神經網路（CNN）辨識手寫數字
CHAPTER09 Keras Cifar-10影像辨識資料集介紹
CHAPTER10 Keras卷積神經網路（CNN）辨識Cifar-10影像
CHAPTER11 Keras 鐵達尼號旅客資料集介紹
CHAPTER12 Keras多層感知器（MLP）預測鐵達尼號旅客生存機率
CHAPTER13 IMDB網路電影資料集介紹
CHAPTER14 使用Keras MLP、RNN、LSTM進行IMDB情緒分析
CHAPTER15 TensorFlow程式設計模式
CHAPTER16 以TensorFlow張量運算模擬神經網路運作
CHAPTER17 TensorFlow Mnist手寫數字辨識資料集
CHAPTER18 以TensorFlow建立多層感知器辨識手寫數字
CHAPTER19 以TensorFlow CNN辨識Mnist資料集
CHAPTER20 TensorFlow GPU版本安裝
CHAPTER21 使用GPU加快TensorFlow與Keras訓練
附錄A 本書範例程式下載與安裝說明