硬派學習AI才能紮穩根基！ 許多Python開發人員初接觸機器學習、深度學習,往往一開始就使用當紅的Tensorflow、Keras等AI框架,只用了短短六行就寫出一隻神經網路程式,接著就針對參數開始東調西調、訓練模型,為了提高神經網路模型的準確率(Accuracy)96.6%→97.4%→98.9%...而奮戰著。只需六行？調調參數？看起來AI好像也不難學的樣子,但,這樣子就算懂AI？那可不一定！Tensorflow、Keras等框架的確大幅降低你寫程式的時間成本,卻不代表可以降低你學AI的學習成本,沒有從AI底層運算紮實學起,千萬別說你已經懂機器學習、深度學習！「你在調整參數、追求準確率的過程中,真的清楚了解每個選項背後代表的運算嗎？」「你有自己一步一步算過Mini-batch的梯度下降反向傳播嗎？」本書不使用深度學習框架,純Python+NumPy「一步一腳印、手工硬派」帶你學AI,「我用手工算給你看,你再用NumPy算一次,硬派學習AI才能紮穩根基！」本書特色□最紮實的機器學習、深度學習LAB實戰‧簡單線性迴歸、多項式迴歸分析實作‧神經網路黑盒揭秘！二元分類、多元分類的底層運算剖析‧損失函數公式、偏微分公式...一大堆算式有看沒有懂？手工算完再跟機器比一比,算完保證秒懂！‧反向傳播究竟「反」在哪？逐層帶你一步步反著算,跟著做超有感！‧還有強化學習、Q-learning...等更多AI實戰應用□初學AI一定要徹底搞懂NumPy函式怎麼用GitHub2019年度報告指出：「在機器學習、深度學習相關主題,超過一半的repositories是基於NumPy建構的」！‧看不懂Python程式碼？那是NumPy啦！掌握reshape()、argmax()、transpose()、exp()、linspace()、dot()、sum()...各種AI實作必用函式‧ndarray重要概念釋疑-axis、dimension、shape、broadcasting‧標準差、變異數、反矩陣、內積、外積...繁瑣的數學運算交給數學函式輕鬆搞定□詳細解說,流暢翻譯本書由【施威銘研究室監修】,書中針對原書進行大量補充,並適當添加註解,幫助讀者更加理解內容！★歡迎加入本書社群,和技術者們直接對話！從做中學Learningbydoing粉絲專頁
