深度學習是人工智慧(AI)中發展最快速的領域之一，其主要原因是因為深度學習技術模擬了人類大腦的神經網路運作。近年來由於圖形處理器(GPU)的興起，改善了電腦的運算速度，因此各式各樣的神經網路一一出現，而這些神經網路也被應用在我們常用的一些應用產品，例如：文字辨識、語音辨識、垃圾郵件過濾、翻譯等。書中先講述AI概論、Tensorflow的安裝、張量的基礎應用到進階應用，讓讀者能夠先掌握Tensorflow，接著經由Tensorflow來講述深度學習的各種實作項目，如類神經網路、神經網路的優化與調教、卷積神經網路及循環神經網路，藉此能夠將Tensorflow活用，並且對深度學習有更進一步的認識。
本書適用於大學、科大資工、電機、電子系「深度學習」(且使用TensorFlow 2.x)課程使用。
本書特色
1.由淺入深的神經網路介紹：
本書從最基本的深度神經網路架構敘述，接著介紹各種卷積神經網路，並利用Python語法完成各模型的架設。
2.使用最新的Tensorflow 2.x 版本：
本書使用Tensorflow 2.x 框架來演練多種的神經網路模型，並在利用簡短的程式範例讓讀者了解網路模型。
3.配合常見的訓練資料庫訓練：
本書使用常見的資料庫，讓網路訓練的過程中更加貼近日常生活。
4.圖表分析：
在書中藉由大量的2D、3D的圖表分析，讓使用者清楚瞭解網路訓練情況。
5.提供大量的網路論文模型與名稱：
書中介紹的網路模型大多來自於頂尖的會議論文，除了有詳細的模型解說外，還提供相對的論文名稱，讓讀者更深入的研讀學習。
本書適用於大學、科大資工、電機、電子系「深度學習」(且使用TensorFlow 2.x)課程使用。
本書特色
1.由淺入深的神經網路介紹：
本書從最基本的深度神經網路架構敘述，接著介紹各種卷積神經網路，並利用Python語法完成各模型的架設。
2.使用最新的Tensorflow 2.x 版本：
本書使用Tensorflow 2.x 框架來演練多種的神經網路模型，並在利用簡短的程式範例讓讀者了解網路模型。
3.配合常見的訓練資料庫訓練：
本書使用常見的資料庫，讓網路訓練的過程中更加貼近日常生活。
4.圖表分析：
在書中藉由大量的2D、3D的圖表分析，讓使用者清楚瞭解網路訓練情況。
5.提供大量的網路論文模型與名稱：
書中介紹的網路模型大多來自於頂尖的會議論文，除了有詳細的模型解說外，還提供相對的論文名稱，讓讀者更深入的研讀學習。
