登入
｜
註冊
｜
會員中心
｜
結帳
｜
培訓課程
魔法弟子
｜
自資出版
｜
電子書
｜
客服中心
｜
智慧型立体會員
書名
出版社
作者
isbn
編號
5050魔法眾籌
|
NG書城
|
國際級品牌課程
|
優惠通知
|
霹靂英雄音樂精選
|
此作者無相關書籍
文學小說
文學
｜
小說
商管創投
財經投資
｜
行銷企管
人文藝坊
宗教、哲學
社會、人文、史地
藝術、美學
｜
電影戲劇
勵志養生
醫療、保健
料理、生活百科
教育、心理、勵志
進修學習
電腦與網路
｜
語言工具
雜誌、期刊
｜
軍政、法律
參考、考試、教科用書
科學工程
科學、自然
｜
工業、工程
家庭親子
家庭、親子、人際
青少年、童書
玩樂天地
旅遊、地圖
｜
休閒娛樂
漫畫、插圖
｜
限制級
現代 AI 全景聖經：機器學習 x 神經網路，從數學原理到Transformer核心
作者：
王彥文， 黃銀鵬
分類：
電腦與網路
／
AI•人工智慧
出版社：
深智數位
出版日期：2026/9/21
ISBN：9786267889725
書籍編號：kk0613164
頁數：1008
定價：
1080
元
優惠價：
79
折
853
元
書價若有異動，以出版社實際定價為準
訂購後立即為您進貨
優惠期限：2026 年 10 月 6 日止
訂購後立即為您進貨：目前無庫存量,讀者下訂後,開始進入調書程序,一般天數約為2-10工作日(不含例假日)。
團購數最低為 20 本以上
評價數：
(請將滑鼠移至星星處進行評價)
目前平均評價：
文字連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0613164'>現代 AI 全景聖經：機器學習 x 神經網路，從數學原理到Transformer核心</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0613164'><img src='https://www.silkbook.com/mall_image/bk/kk0613164.jpg' ALT='現代 AI 全景聖經：機器學習 x 神經網路，從數學原理到Transformer核心' height='120' width='90'></a>
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
現代 AI 全景聖經：機器學習 x 神經網路，從數學原理到Transformer核心 擺脫碎片化學習，建立不退流行的演算法母語！ ►第一原理推導 ｜ 434 篇論文錨定，打通演算法底層 ►手刻真實代碼 ｜ 100+ 範例，擺脫「看懂卻寫不出」 ►階梯思考訓練 ｜ 1，000+ 題庫，課後複習與培訓首選 ►在地真實實戰 ｜ 對接台股、實價登錄等台灣真實資料 【Part I 基礎工具】 徹底擺脫相依地獄 ‧ Conda / PyTorch / CUDA 環境完美對齊 ‧ NumPy / Pandas / Polars 超高效 ETL 實戰 【Part II 經典 ML】 表格資料與小樣本首選 ‧ 決策樹、SVM 與 XGBoost / LightGBM 剖析 ‧ AutoML 自動建模與 XAI 可解釋性 AI 【Part III 深度學習】 現代 AI 總樞紐 ‧ 手刻神經網路、反向傳播矩陣推導 ‧ CNN 空間特徵、ViT 與 Transformer 核心數學 專業推薦 林立生—新竹市政府教育處 處長/ 國立屏東大學教育學 博士 呂明峯—明新科技大學 教授/ 明新科技大學校長 馮美瑜—台北城市科技大學 教授/ 台北城市科技大學 校長 林義貴—國立陽明交通大學 終身講座教授/ 國立勤益科技大學 學術副校長/國科會傑出特約研究員獎得主/APIEMS Fellow/ 中國工業工程學會會士/三度榮獲國科會傑出研究獎 呂奇傑—輔仁大學 特聘教授/ 2020－2025 全球前2％科學家 林維昭—長庚大學 教授/ 校務研究中心 執行秘書/2021－2025 全球前2％ 頂尖科學家
▍Part I 基礎與工具 第1 章 AI 簡史與當代格局 1.1 人工智慧的三大典範與時代演進 1.2 為什麼Python 主導AI 1.3 本書地圖與閱讀路徑 章末綜合專題 用LLM 整理70 年AI 發展年表 本章重點回顧 第2 章 Anaconda Python 與資料科學工具鏈 2.1 為什麼選Anaconda Python 2.2 Anaconda 安裝與基本配置 2.3 Conda 環境管理 2.4 GPU 環境與 PyTorch 安裝 2.5 開發工具與Jupyter 工作流 2.6 與AI 協作寫程式的工作流與邊界 章末綜合專題 建立個人AI 工作站環境並跑通三個baseline 範例 本章重點回顧 第3 章 NumPy/Pandas/Polars 數值運算 3.1 NumPy 向量化運算 3.2 Pandas DataFrame 核心 3.3 Polars 高效能替代品 3.4 實戰：真實資料清洗與ETL 章末綜合專題 用Pandas+Polars 完成台股ETF 多源資料整合 本章重點回顧 ▍Part II 經典機器學習 第4 章 監督式學習基礎與評估 4.1 機器學習問題框架 4.2 訓練/ 驗證/ 測試分割 4.3 偏差－ 變異權衡 4.4 評估指標 4.5 實戰：完整ML 流程 本章重點回顧 第5 章 線性模型，樹族與核方法 5.1 線性迴歸與正則化 5.2 邏輯迴歸與機率分類 5.3 決策樹與隨機森林 5.4 SVM 與核方法 5.5 KNN 與Naive Bayes 章末綜合專題 六大經典模型在台灣信貸違約資料上的橫向PK 本章重點回顧 第6 章 集成學習與AutoML 6.1 Bagging 與隨機森林 6.2 Boosting 6.3 工業級實作：XGBoost/LightGBM/CatBoost 6.4 Stacking 模型堆疊 6.5 AutoML 6.6 可解釋AI(XAI) 章末綜合專題 用集成學習+AutoML+XAI 完整解決台灣信貸違約預測 本章重點回顧 第7 章 無監督學習與推薦系統 7.1 聚類 7.2 降維 7.3 異常偵測 7.4 推薦系統 章末綜合專題 用台灣7－Eleven 門市資料跑無監督學習四件組 本章重點回顧 ▍Part III 深度學習基礎 第8 章 神經網路原理與PyTorch 8.1 從感知機到深度學習 8.2 PyTorch 基礎 8.3 訓練流程與優化器 8.4 正則化技巧 8.5 〔 深化〕 反向傳播矩陣形式與梯度消失 章末綜合專題 用PyTorch 重現深度學習史的三個經典模型 本章重點回顧 第9 章 電腦視覺與CNN 9.1 卷積神經網路核心 9.2 物件偵測 9.3 影像分割 9.4 視覺基礎模型(VLM 視覺部分) 9.5 自監督與少樣本學習 9.6 〔 深化〕 感受野計算與ViT 對CNN 的取代 章末綜合專題 用ResNet－50+ViT－Base 雙模型在台灣鳥類資料上做架構對比 本章重點回顧 第10 章 序列模型——從RNN 到Transformer 之前 10.1 RNN 與梯度消失 10.2 LSTM 與GRU 10.3 詞向量演化 10.4 Encoder－Decoder 與注意力起源 10.5 後Transformer 序列模型(2024 復興) 10.6 〔 深化〕LSTM 三閘梯度推導 章末綜合專題 用PyTorch 重現序列模型的三個經典里程碑 本章重點回顧 第11 章 Transformer 核心 11.1 從注意力到Self－Attention 11.2 Q/K/V 與縮放 11.3 Multi－Head Attention 11.4 位置編碼 11.5 Encoder－Decoder vs Decoder－only vs Encoder－only 11.6 Transformer 的工程優化 11.7 〔 深化〕Attention 縮放因子推導與Multi－Head 數學 章末綜合專題 用PyTorch 從零實作Transformer + 在立法院議事錄上訓練質詢摘要 本章重點回顧
Claude Cod
OpenClaw 實
萬顆GPU的訓練：分
用 macOS 完整
AI時代不缺席 －
AI 驅動開發 －
AI 行銷實驗室：創
從 AI Demo
Gemini Not
輕鬆學會Google
為了保障您的權益，新絲路網路書店所購買的商品均享有到貨七天的鑑賞期（含例假日）。退回之商品必須於鑑賞期內寄回（以郵戳或收執聯為憑），且商品必須是全新狀態與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等)，否則恕不接受退貨。
