簡介

本書前半部（CH1-CH10）為初學者設計，使用Google Colab雲端GPU，只需打開瀏覽器即可開發，讓讀者在短時間內完整掌握深度學習觀念。本書後半部（CH11-CH15）定位於進階實務與最新應用，在讀者具備深度學習基礎後，自行準備GPU開發，無論在Windows或Linux系統，都可作為銜接研究或專題應用的進階教材。每章皆精細講解核心觀念，搭配Step by Step實作，確保讀者完全理解原理與操作。內容聚焦近年主流與前沿的深度學習架構與應用，包括Transformer系列、擴散模型、物件偵測、影像分割，以及結合大型語言模型的視覺語言模型。

目次

Chapter 0 環境安裝
Chapter 1 PyTorch介紹
Chapter 2 迴歸問題 (Regression)
Chapter 3 二元分類問題 (Binary Classification)
Chapter 4 多類別分類問題 (Multi-class Classification)
Chapter 5 神經網路訓練技巧 (Neural Network Training Techniques)
Chapter 6 神經網路進階技巧 (Advanced Neural Network Techniques)
Chapter 7 神經網路經典架構 (Classic Neural Network Architectures)
Chapter 8 遷移學習 (Transfer Learning)
Chapter 9 變分自編碼器 (Variational Auto-Encoder)
Chapter 10 生成對抗網路 (Generative Adversarial Network)
Chapter 11 擴散模型 (Diffusion Models)
Chapter 12 物件偵測 (Object Detection)
Chapter 13 影像分割 (Image Segmentation)
Chapter 14 Transformer Family
Chapter 15 大型語言模型之視覺語言模型(Vision-Language Models with LLMs)