用Python學AI理論與程式實作-第二版(涵蓋Certiport ITS AI國際認證模擬試題)


	【專業推薦】啟龍博士具有豐富的教學經驗，此書涵蓋人工智慧發展、數學基礎、AI理論到程式實作，內容豐富完整，誠心推薦想要掌握人工智慧知識與技能的學習者。 --- 神通資訊科技股份有限公司董事長蘇亮 --- 高度認同李博士提出的「大人機」思維，由大數據驅動、人工智慧算法、機器人自動化的三位一體架構，誠摯推薦給所有想在AI浪潮中精進的讀者。 --- 高柏科技股份有限公司董事長蕭酩献 --- ★ 友善的學習銜接機制：因應讀者不同的程式基礎，特別規劃Python基礎章節，協助初學者順利銜接AI實作。 ★ 精煉的數學門檻導引：針對AI理論中必備的數學知識，以簡明扼要的方式進行重點歸納，讓讀者快速掌握數學關鍵。 ★ 系統化的學習路徑：針對期待跨入AI領域的初學者，規劃由淺入深的章節架構，帶領讀者一步步建立AI知識的核心基礎。 ★ 理論與實戰深度結合：強調「學以致用」，內容不僅涵蓋AI理論，更設計了程式實作練習，藉此提升學習動力，無論是自學或課堂教學皆能輕鬆上手。 ★ 接軌國際認證與職涯優勢：結合Certiport ITS Artificial Intelligence人工智慧核心能力國際認證考試重點，並納入模擬試題，協助掌握考試關鍵，順利考取證照，提升專業競爭力。


	目錄第一章人工智慧簡介 1.1 人工智慧簡介 1.2 人工智慧的數學基礎 1.3 建置開發環境 1.4 習題補充：libiomp5md.dll相關問題第二章機器學習的Python基礎 2.1 Python語法練習 2.2 習題第三章知識發現 3.1 知識發現 3.2 關聯規則探勘 3.3 序列樣式探勘 3.4 聚類 3.5 習題第四章分類問題 4.1 分類問題的形式和目標 4.2 決策樹 4.3 支持向量機 4.4 KNN 4.5 神經網路 4.6 習題第五章強化學習 5.1 心理學與強化學習 5.2 Q-Learning與貝爾曼方程式 5.3 運用OpenAI遊戲模組實作Q-Learning 演算法 5.4 習題補充：AlphaGo Movie 第六章深度神經網路理論 6.1 全連接神經網路 6.2 模型的量化、修正與優化 6.3 習題補充：損失函數、梯度優化第七章深度神經網路實作 7.1 運用torch.nn類別實作MNIST手寫數字辨識 7.2 運用Dropout函數減緩過擬合問題 7.3 習題第八章卷積神經網路理論 8.1 卷積運算 8.2 卷積與影像處理練習 8.3 卷積神經網路 8.4 習題補充：卷積核與池化核的常用參數第九章卷積神經網路實作 9.1 運用CIFAR-10資料集實作CNN 9.2 神經網路的優化實作 9.3 習題第十章物件偵測理論 10.1 ResNet 10.2 RCNN 10.3 YOLO 10.4 習題第十一章物件偵測實作 11.1 YOLOv7自定義資料集物件偵測 11.2 習題補充：使用labelImg軟體建構YOLO自定義資料集第十二章自然語言處理 12.1 自然語言與機器學習 12.2 斷詞和關鍵字查找 12.3 詞向量 12.4 習題第十三章循環神經網路 13.1 RNN 13.2 LSTM 13.3 Transformer與ChatGPT 13.4 習題第十四章生成對抗網路 14.1 生成對抗網路 14.2 各類生成對抗網路 14.3 運用DCGAN實現字型風格創作 14.4 習題附錄A Certiport ITS人工智慧核心能力認證模擬試題