作者介紹
 
Rowel Atienza
 
Dado and Maria Banatao學院的人工智慧講座教授。自從畢業於菲律賓大學之後，Rowel就深深著迷於各種智慧型機器人。Rowel的研究領域著眼於AI與電腦視覺。他的夢想是打造一台可以感知、理解與推理的機器。

• CHAPTER 01 認識進階深度學習與 Keras(第1頁)
  • 為什麼 Keras 是最棒的深度學習函式庫？(第2頁)
  • 實作核心深度學習模型 – MLP、CNN 與 RNN(第5頁)
  • 多層感知器（MLP）(第6頁)
  • 卷積神經網路（CNN）(第24頁)
  • 循環神經網路（RNN）(第32頁)
  • 結論(第38頁)
  • 參考資料(第38頁)
• CHAPTER 02 深度神經網路(第39頁)
  • Functional API(第40頁)
  • 深度殘差網路（ResNet）(第49頁)
  • ResNet v2(第58頁)
  • 密集連接卷積網路（DenseNet）(第62頁)
  • 結論(第68頁)
  • 參考資料(第68頁)
• CHAPTER 03 自動編碼器(第71頁)
  • 自動編碼器的運作原理(第72頁)
  • 使用 Keras 來建置自動編碼器(第75頁)
  • 降噪自動編碼器（DAE）(第85頁)
  • 自動上色自動編碼器(第91頁)
  • 總結(第98頁)
  • 參考資料(第98頁)
• CHAPTER 04 GAN 生成對抗網路(第99頁)
  • GAN 總覽(第99頁)
  • GAN 的運作原理(第100頁)
  • 使用 Keras 實作 GAN(第105頁)
  • 條件 GAN(第115頁)
  • 總結(第124頁)
  • 參考資料(第124頁)
• CHAPTER 05 各種改良版 GAN(第127頁)
  • Wasserstein GAN(第128頁)
  • Least-squares GAN（LSGAN）(第145頁)
  • 輔助分類器 GAN（ACGAN）(第150頁)
  • 總結(第163頁)
  • 參考資料(第163頁)
CHAPTER 06 抽離語意特徵 GAN(第165頁)
• 抽離語意特徵(第166頁)
• InfoGAN(第168頁)
• 使用 Kera 實作 InfoGAN(第171頁)
• InfoGAN 的生成器輸出(第181頁)
• StackedGAN(第183頁)
• 使用 Keras 實作 StackedGAN(第185頁)
• StackedGAN 的生成器輸出(第201頁)
• 結論(第204頁)
• 參考資料(第205頁)
CHAPTER 07 跨域 GAN(第207頁)
• CycleGAN 運作原理(第208頁)
• CycleGAN 的生成器輸出(第230頁)
• 總結(第240頁)
• 參考資料(第241頁)
CHAPTER 08 變分自動編碼器(第243頁)
• VAE 的運作原理(第244頁)
• 條件 VAE（CVAE）(第261頁)
• β -VAE：具有抽離語意潛在特徵的 VAE(第270頁)
• 結論(第274頁)
• 參考資料(第274頁)
CHAPTER 09 深度強化學習(第277頁)
• 強化學習（RL）的原理(第278頁)
• 結論(第311頁)
• 參考資料(第311頁)
CHAPTER 10 策略梯度方法(第313頁)
• 策略梯度定理(第314頁)
• Monte Carlo 策略梯度（REINFORCE）法(第317頁)
• 總結(第348頁)
• 參考資料(第349頁)