暢銷書《Python機器學習》作者Sebastian Raschka又一原創力作！

★內容亮點★

・獨立章節：簡潔又精準地回答AI中的關鍵問題，化繁為簡。

・主題廣泛：涵蓋神經網路架構、模型評估、電腦視覺、自然語言處理等。

・實際應用：學會提升模型效能、微調大型模型等重要技術。

★學習重點★

・管理神經網路訓練中的各種隨機性來源

・區分大型語言模型的編碼器架構和解碼器架構

・利用數據和修改模型來減少過度適合

・為分類器建立信賴區間，利用有限標籤數據改善模型效能

・在不同的多GPU訓練範式和各種生成式AI模型之間做出選擇

・理解自然語言處理的效能指標

・理解視覺變換器中的歸納偏誤

【下載補充材料範例程式碼】

github.com/rasbt/MachineLearning-QandAI-book

本書特色

市面上大多數的機器學習、深度學習與AI書籍，都位於兩個極端：不是介紹基礎知識的入門指南，就是艱澀難懂的論文大全。在學習完基礎知識、閱讀完初階書籍之後，還想了解更多新觀念和進階技術嗎？作者說明並討論了這些領域的重要發展，同時保持平易近人，讀者不需要擁有進階數學或程式設計背景也能閱讀。全書分為5大篇，共30章，涵蓋30個不同主題。讀者可以依序閱讀，也可以跳著閱讀(但作者建議依序閱讀，由淺入深)，更適合隨時拿出來配著咖啡或在通勤時翻閱。

本書非常適合那些已經完成機器學習或深度學習的基礎課程，或是讀完同等程度初階書籍的人。本書採用獨特的問答風格(Q&A style)，每個簡短的章節都圍繞著一個核心問題展開，這些問題不僅與機器學習、深度學習和AI的基礎觀念相關，更是作者在教學過程中，學生們經常提出的疑問。每個問題後面都附有解釋，並配有許多插圖和圖表，以及測試理解能力的練習題。許多章節還提供了進一步閱讀的參考資料。這些簡短、容易消化的資訊提供了一個激勵人心的起點，幫助讀者踏出成為機器學習專家的第一步，開啟一段新的學習旅程。