作者介紹
 
黃日鉦
 
東吳大學資訊管理學系教授，任教科目包括人工智慧，深度學習，巨量資料分析，多變量分析及社群網路分析。相關研究共計超過60篇期刊論文及會議論文。

• CHAPTER 01 深度學習的預先知識(第1-1頁)
  • 1 - 1 線性代數 (Linear Algebra)(第1-1頁)
  • 1 - 2 微積分 (Calculus)(第1-11頁)
  • 1 - 3 最佳化理論(第1-19頁)
  • 1 - 4 統計學(第1-24頁)
  • 1 - 5 Python 程式語言介紹(第1-40頁)
• CHAPTER 02 前饋式神經網路(第2-1頁)
  • 2 - 1 感知機(第2-1頁)
  • 2 - 2 多層感知機(第2-11頁)
  • 2 - 3 深度前饋式神經網路(第2-22頁)
  • 2 - 4 深度神經網路的梯度下降方式(第2-27頁)
  • 2 - 5 過適化問題 (Overfitting Problem)(第2-34頁)
  • 2 - 6 程式範例(第2-35頁)
• CHAPTER 03 卷積神經網路(第3-1頁)
  • 3 - 1 卷積神經網路架構(第3-2頁)
  • 3 - 2 倒傳遞法進行參數更新(第3-12頁)
  • 3 - 3 數值範例(第3-15頁)
  • 3 - 4 殘差網路(第3-19頁)
  • 3 - 5 程式範例(第3-22頁)
• CHAPTER 04 遞迴式神經網路(第4-1頁)
  • 4 - 1 遞迴式神經網路(第4-1頁)
  • 4 - 2 序列學習 (Sequential Learning)(第4-3頁)
  • 4 - 3 Elman 神經網路理論模型(第4-4頁)
  • 4 - 4 長短期記憶 (Long Short - Term Memory,LSTM) 模型(第4-14頁)
  • 4 - 5 Peephole 長短期記憶 (Peephole LSTM)模型(第4-20頁)
  • 4 - 6 GRU (Gated Recurrent Unit) 模型(第4-21頁)
  • 4 - 7 雙向LSTM (Bidirectional LSTM)(第4-28頁)
  • 4 - 8 程式範例(第4-30頁)
• CHAPTER 05 侷限型波茲曼模型、深度信念網路及自編碼器(第5-1頁)
  • 5 - 1 侷限型波茲曼模型 (Restricted Boltzmann Machines, RBM)(第5-1頁)
  • 5 - 2 深度信念網路 (Deep Belief Networks, DBN)(第5-12頁)
  • 5 - 3 自編碼器 (Autoencoders)(第5-16頁)
  • 5 - 4 程式範例(第5-24頁)
CHAPTER 06 其他網路模型(第6-1頁)
• 6 - 1 自迴歸模型 (Autoregressive Models)(第6-1頁)
• 6 - 2 自生成模型 (Generative Models)(第6-7頁)
• 6 - 3 神經圖靈機(第6-13頁)
• 6 - 4 注意力模型 (Attention - based Models)(第6-17頁)
• 6 - 5 程式範例(第6-24頁)
CHAPTER 07 強化學習(第7-1頁)
• 7 - 1 馬可夫決策過程(第7-3頁)
• 7 - 2 Bellman 方程式(第7-7頁)
• 7 - 3 深度Q - 網路 (Deep Q - Network, DQN)(第7-14頁)
• 7 - 4 政策梯度 (Policy gradients)(第7-16頁)
• 7 - 5 Advantage Actor - Critic (A2C) Methods(第7-18頁)
• 7 - 6 程式範例(第7-22頁)