Combinatorial Machine Learning

人工智慧（AI）將改變人類與所有產業的生態。 如果你對人工智慧，沒有全面的了解，那就跟不上時代了。很多影響人類的科技發展，都無法做出正確的判斷。 一個知名的投資專家說，比起5G，人人手上有，處處可見基地台，AI只有少數大公司用得上，到底有無潛力？有！但是不要想得太美了。 他說的對不對？很難判斷嗎？讀完本書，你就會找到正確的解答。 其實AI有三種，一種是雲端，就是連到那幾家大公司的機房，用他們大的嚇死人的算力。 一種是在本地運算，如汽車的自動駕駛。第三種則是運用在最前端的偵測裝置，以求最快的反應時間。 所以你說AI只有幾家大公司用得上，好像也沒有那麼對。 所以你要把它想得美一點，它是平地一聲雷，輝達、台積電的股價都應該後面加一千個零，是嗎？ 但是你知道有資訊科技以來，人類至少經過三次AI的浪潮。很多公司運用AI運用得嚇嚇叫，如文藝復興基金，用機器學習投資，20年來平均的年化報酬率遠勝巴菲特。 所以你說AI前程遠大！很OK，但它說他橫空出世？倒也未必，它只是一個連續的改善過程！ 當然有關AI最誇張的是想像是《魔鬼終結者》，一個是幹掉想毁滅人類的傢伙，而且他可以和人腦一樣的運作。不過有的人是殺人魔，有的人是慈善家。不知可以和人腦一樣運作的AI是慈善家或是殺人魔？ AI的形式有很多種，從撰寫大量複雜的函式來實現人工智慧的專家系統，到以大量資料反求智慧判定函式的演算法，如支援向量機（Support Vector Machine, SVM）、決策樹（Decision Tree）等，此領域統稱為機器學習（Machine Learning, ML），而運用神經網路技術，將網路的節點深度擴展延伸，以獲得更好的智慧判定效果，則稱為深度學習（Deep Learning, DL）。 你越了解AI的技術背景，就越能掌握它未來對人類的影響。如果你想投資AI相關產業，就更是需要深入了解了。 任何資訊科技的運用都有兩個層面，軟體以及執行軟體的硬體。本書除了說明AI運用的基本原理之外，也將詳細說明有關AI的軟體及硬體產業鏈。對一個投資人而言，完整的了解一個產業的上下游關係，是十分必要的。 總不能輝達業績創新高，而你完全沒有概念台積電會好還是不好吧？ 本書以圖文對照的方式，讓你對AI有清楚的認識。不論投資、或生活，可以在新科技浪潮中，穩定前行。 本書特色 ◎100個單元，

國內外最具代表性案例，9大專題實戰、15個分類實例 Google Colab、Microsoft Azure兩大雲端應用，人臉辨識、自然語言、文字識別、語音轉換、分析預測、物件自動標示、影像辦識真正實練，從資料收集整理、模型訓練調整，檢測修正到產出全面解秘！ 資料科學(Data Science)技術崛起後，人工智慧(Artificial Intelligence)、機器學習(Machine Learning)與深度學習(Deep Learning)儼然成為電腦科學最熱門的話題。其實，人工智慧的應用早已出現在我們生活周遭，如即時車牌影像辨識，以及智慧型手機中的臉部指紋辨識解鎖、影像轉文字翻譯、智慧語音助理…等。 在人工智慧領域中最重要也最適合作為入門的程式語言非Python莫屬。本書就以TensorFlow、Keras為基底，運用Python進行實作，深入人工智慧技術，掌握機器學習與深度學習的真正強大應用。 程式人、工程師挑戰人工智慧最佳學習地圖由類神經網路基礎到AI應用實戰訓練、模型、預測、辨識、分析與驗證全面深入機器學習與深度學習技術核心 ■打造專屬Python、TensorFlow與Keras最強開發環境。 ■圖解簡化複雜難懂的類神經網路觀念，涵蓋多層感知器(MLP)、卷積神經網路(CNN)與循環神經網路(RNN)。 ■整合最夯的人工智慧雲端開發平台：Google Colab，應用雲端提供的充沛資源，全面提升運算效能。 ■加碼最新的機器學習雲端應用平台：Microsoft Azure，連結功能強大、方向多元的Web API，豐富專業應用領域。 ■顛覆只重視理論或產生結果的傳統機器學習內容，實際挑戰從資料收集與準備、模型訓練與調整、檢測修正到結果產出的最完整機器學習實戰流程。 ■全面深入不同應用面向：印刷文字辨識、手寫文字辨識、遠端圖片分析、本機圖片分析、辨識圖片地標或名人、臉部辨識、人臉比對、語言識別、文字翻譯、黑白照片上色、人臉情緒偵測、圖片物件偵測、人工智慧製作縮圖、圖片場景偵測、汽車型號及年份偵測、自動標示物件、資料走勢預測… ■網羅國內外最具代表性案例：手寫文字辨識、圖片分類、即時匯率分析、文字雲與文章自動摘要、YouTube影片加上字幕、股票走勢分析、臉部辨識登入系統、擷取車牌、即時車牌影像辨識…等，進行有系統而扎實的真正演練。 ■一次領略機器學習與深