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

『在本書中，Sebastian帶領讀者深入了解他們在成為專家路上可能遇到的各種中階和高階應用機器學習主題。Sebastian無疑是這個領域最優秀的機器學習教育工作者之一。在每一頁中，Sebastian不僅分享他的豐富知識，也傳達象徵著真正專業的熱情與好奇心。……讓本書成為你晉級下一個階段的橋樑，協助你在機器學習中獲得更豐富的冒險和體驗。』
——Chris Albon，維基媒體基金會 機器學習總監 專文推薦


★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。

★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】
https://github.com/rasbt/MachineLearning-QandAI-book

作者簡介：

Sebastian Raschka博士是一位對教學懷抱強烈熱忱的機器學習和AI研究者。身為Lightning AI的Lead AI Educator（首席AI教育家），他熱衷於使AI和深度學習變得更加普及，並教導人們如何大規模地利用這些技術。在全力投入Lightning AI之前，Sebastian曾在University of Wisconsin-Madison（威斯康辛大學麥迪遜分校）擔任統計學助理教授，專門研究深度學習和機器學習。你可以造訪他的網站，了解更多他的研究資訊：https://sebastianraschka.com。

✍審校者簡介✍

劉立民教授、紐澤西理工學院資訊博士（1999）。目前任教於世新大學資訊傳播學系／資訊管理學系；曾任世新大學資訊管理學系主任。學術生涯迄今發表二十餘篇期刊論文，研究領域包括：人工智慧、語意網、演算法、影像處理等等。譯有《Python深度學習》、《Python機器學習》以及《動手做深度強化學習》。

退換貨說明：

會員均享有10天的商品猶豫期（含例假日）。若您欲辦理退換貨，請於取得該商品10日內寄回。

辦理退換貨時，請保持商品全新狀態與完整包裝（商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等）一併寄回。若退回商品無法回復原狀者，可能影響退換貨權利之行使或須負擔部分費用。