✧✦第一本 Keras 3 深度學習入門書✦✧

✧✦一本搞定影像辨識與自然語言處理✦✧

✧✦先圖解、再實作、而後實務應用✦✧

本書以淺顯易懂的方式與大量圖例介紹深度學習的理論基礎，並使用 Keras 3 來建構 MLP、CNN、RNN、LSTM、GRU、Transformer 模型，實作多種熱門分類、迴歸問題，最後再介紹資料預處理、超參數調整、預訓練模型的遷移學習等，讓讀者能夠應對未來的實務應用。

深度學習是一種實現機器學習的技術，能夠使用模仿人類大腦功能的「類神經網路」，訓練模型從大量資料中學習，進而處理如視覺、聽覺等感知問題。

而 Keras 3 是 Keras 的重磅回歸，這是架構在 TensorFlow 和 PyTorch 等後台框架上的高階前端函式庫，可以讓使用者輕鬆取得不同後台框架的優點，來打造出最佳的神經網路模型。

書中內容包含：普遍應用於影像辨識的 CNN、善於處理序列資料的 LSTM，還有近幾年爆紅、多被應用於自然語言、語音或音樂資料的 Transformer 模型，以及基於 Transformer 的 BERT 和 GPT 等大型語言模型的應用，還有結合文字與圖像的 StableDiffusion 文字生圖等豐富內容。

除了講述深度學習理論基礎之外，還提供大量實作範例：

☛ MLP 多層感知器 - 疾病預測、房價預測的迴歸問題

☛ CNN 卷積神經網路 - 手寫辨識、彩色圖片辨識

☛ RNN 循環神經網路、GRU 閘門循環單元神經網路 - 影評的情緒分析

☛ LSTM 長短期記憶神經網路 - 股價預測、新聞主題分類

☛ Transformer 模型 - 文字的情感分析、語言翻譯

以及預訓練模型與遷移學習：

☛ CV 電腦視覺 - ResNet50 圖片分類、YOLO 物體偵測、StableDiffusion 文字生圖

☛ NLP 自然語言處理 - BERT 情感分析、GPT-2 唐詩生成

還有 AE 自編碼器、Functional API 客製化神經網路、AutoML 自動調校模型超參數等多種主題等著你來學習！

本書特色:

✓ 跨 TensorFlow 和 PyTorch 的 Keras 開發環境

✓ 人工智慧、機器學習、深度學習的理論基礎

✓ 從最根本的感知器、到當紅的 Transformer 模型

✓ 逐步建構並調校自己的神經網路模型

✓ 影像、文字資料的預處理與模型視覺化

✓ YOLO、StableDiffusion 等電腦視覺模型的應用

✓ BERT、GPT 等大型預訓練模型的遷移學習

✓ 打造支援 GPU 的 Keras 開發環境