【書籍資訊】
ChatGPT X Keras X PyTorch全方位應用實踐指南：從零開始的AI程式設計養成之路（iThome鐵人賽系列書）【軟精裝】
系列名：iThome鐵人賽
ISBN13：9786263336025
出版社：博碩文化
作者：黃朝隆
出版日：2023/10/12
裝訂／頁數：軟精裝／288頁
規格：23.7cm*17.7cm*1.8cm (高/寬/厚)
版次：1

【內容】
文理組都能成功自學 AI 程式
理論與實作並用，打造穩固的深度學習基礎

本書內容改編自第 14 屆 iThome 鐵人賽 AI & Data 組的佳作系列文章《新手也能懂得 AI - 深入淺出的 AI 課程》。本書將以 AI 人工智慧的圖像與文字兩大領域應用為主軸，並對目前熱門的技術進行深度解析，內容範圍廣闊，涵蓋了辨識、生成和預測等技術。在閱讀本書的過程中，讀者不但會學習到基礎理論，同時也會進行程式撰寫訓練，並從實作練習加深對理論的理解與記憶。

本書提供了一條 6 階段的人工智慧學習之路，從基本 Python 程式、爬蟲技術打好基礎，接著正式引領你進入 AI 人工智慧，了解深度學習模型的運作原理，並且跟著實作範例從無到有寫出 AI 程式，最後還能學會將 ChatGPT 串接到 LINE Bot，打造智慧個人小幫手。

在這本書中，你將認識到各種常見的深度學習模型，包括 DNN、RNN、CNN，搭配適合初學者的 Keras、PyTorch、NumPy 等強大函式庫，讓你可以輕鬆打造阿拉伯數字辨識模型、股票趨勢預測圖，建立文章摘要，以及使用預訓練模型來強化模型的辨識能力。


四大重點

🚩 內容由簡入深
從簡易入門，逐步理解人工智慧

🚩 打通 AI 技能
學習不同 AI 專案，將程式應用於生活

🚩 全方面教學
不需要程式基礎，從零開始寫程式

🚩 理論結合實作
理論與程式並重，會寫也會玩 AI


目標讀者

● 對於人工智慧懷抱熱情，但是毫無程式經驗的新手
● 希望能夠快速習得並累積人工智慧程式專案經驗的工程師
● 剛踏入人工智慧領域的學生和研究者
● 需要結合人工智慧，用於特定應用領域的專業人士


專業推薦

「如果您正在尋找一本全面且深入的人工智慧學習資源，這本書絕對值得一讀。它提供了結構良好的學習路徑，使您能夠從基礎到高階的技術水平不斷進步。此外它以自學為導向，使您能夠更好地理解和應用所學知識，這對於成功應用人工智慧技術至關重要。無論您的學習目標如何，這本書都是一個出色的起點。」
──── 李俊宏 │ 國立高雄科技大學 電機工程系 資通組教授

【目錄】
第 1 章　Python 入門

第 2 章　網路爬蟲

第 3 章　理解何謂人工智慧
3.1 何謂人工智慧？
3.2 人工智慧的發展歷史
3.3 人工智慧、機器學習、深度學習的差別
人工智慧
機器學習
深度學習
3.4 機器學習中不同的學習方式
監督式學習
非監督式學習
強化式學習
遷移式學習

第 4 章　DNN 原理介紹與 Keras 實作
4.1 何謂深度神經網路（DNN）？
輸入層（Input Layer）
隱藏層（Hidden Layer）
輸出層（Output Layer）
4.2 前向傳播與反向傳播
前向傳播（Forward Propagation）
反向傳播（Back Propagation）
4.3 學習率、梯度與優化器是什麼？
4.4 程式碼實作與解析：MNIST 手寫辨識

第 5 章　LSTM 原理介紹與 Keras 實作
5.1 循環神經網路（RNN）
5.2 LSTM（Long Short-Term Memory）
遺忘門層（Forget Gate Layer）
狀態保存層（Cell State）
輸出層（Output Layer）
5.3 程式碼實作與解析：繪製股票趨勢預測圖

第 6 章　CNN 原理介紹與 PyTorch 實作
6.1 卷積神經網路（CNN）
卷積層（Convolution Layer）
池化層（Pooling Layer）
全連接層（Fully Connected Layer）
6.2 PyTorch 介紹與安裝
安裝方式
6.3 程式碼實作與解析：CIFAR10 影像辨識

第 7 章　DCGAN 原理介紹與 PyTorch 實作
7.1 深度卷積生成式對抗網路（Deep Convolutional GAN）
7.2 鑑別器與生成器
生成器
7.3 程式碼實作與解析：生成假的 MNIST 手寫辨識

第 8 章　VGG16 原理介紹與 PyTorch 實作
8.1 預訓練模型 VGG16（Visual Geometry Group 16）
8.2 預訓練模型與遷移式學習
8.3 程式碼實作與解析：真假 MNIST 手寫辨識

第 9 章　LSTM 自然語言處理與 PyTorch 實作
9.1 電腦該如何讀懂文字？
9.2 Encoder、Decoder、Attention
9.3 TorchText 安裝與介紹
安裝方式
9.4 程式碼實作與解析：IMDB 影評情緒分析

第 10 章　BERT 原理介紹與 PyTorch 實作
10.1 萬物皆可 Transformer
10.2 BERT
10.3 認識 Hugging Face
安裝方式
10.4 程式碼實作與解析：真假新聞辨識

第 11 章　T5 原理介紹與 PyTorch 實作
11.1 T5 介紹
模型架構選擇
11.2 T5 的文本遮蔽方式
自監督預訓練策略（High-Level Approaches）
替換方式（Corruption Strategies）
替換率（Corruption Rate）
替換長度（Corruption Span Length）
11.3 程式碼實作與解析：生成新聞摘要

第 12 章　ChatGPT Prompt 設計與應用
12.1 GPT
GPT-2
GPT-3
ChatGPT
12.2 ChatGPT 能做什麼？
解釋程式碼
撰寫程式碼
修正程式碼
12.3 指令的設計方式
12.4 ChatGPT 的 API 申請方式
OpenAI API 申請方式
Azure API 申請方式
12.5 程式碼實作與解析：建立個人智慧 ChatGPT 小幫手