StatQuest 圖解神經網路與深度學習（全彩）
作者： （美）喬許‧史塔默
出版社：電子工業出版社
出版日期：2026/03/01
頁 數:280
ISBN:9787121522949
開本：16開
內容介紹
本書是大眾的神經網路與深度學習科普讀物，延續了Josh Starmer 博士暢銷書《StatQuest 圖解機器學的視覺化表達形式與幽默語言風格。書中並未簡化核心概念，而是將複雜的AI技術拆解為一個個演算法小片段，過串聯這些片段，清晰呈現神經網路的構成邏輯，以及 AI技術的誕生原理，引導讀者更深入、更透徹地理解神經洛與深度學習的本質。同時，本書著重理論與實踐的結合，為每個核心概念配套PyTorch實操教程，手把手教者從零開始編寫神經網路程式碼。全書兼顧紮實的基礎理論與落地的實踐操作，內容上從統計基礎知識逐步延伸至神網絡核心原理，搭配完整的 PyTorch代碼，非常適合 AI 技術入門者係統學習。
目錄
第1章神經網路與人工智慧的基本原理 /001
神經網路:主要思想1/002
神經網路:主要思想2 /003
激活函數:主要思想/007
神經網路的實際應用:詳解 /008
Pytorch:基本神經網路 /018
第2章使用反向傳播優化權重和偏壓 /019
反向傳播:主要思想 /020
優化單一權重:詳細解 /024
優化單一權重:求導/031
優化單一權重:梯度下降法 /35
Sgd和adam法:主要思想 /041
優化所有權重:主要想法 /044
優化所有參數:等式 /045
優化所有參數:求導/048
優化所有參數:梯度下降法 /60
Pytorch:反向翻轉/068
第3章多輸入多輸出的神經網路 /069
多輸入多輸出:主要思想 /070
多輸入多輸出的實際應用:詳解/071
Pytorch:多輸入多輸出的神經網路 /082
第4章使用Argmax和Softmax簡化輸出 /083
Argmax和Softmax:主要思想 /084
Argmax:詳解 /085 Softmax:詳解 /088
Pytorch:Argmax函式和Softmax函式/095
第5章使用交叉熵提升訓練效率 /096
交叉熵主要思想/097
交叉熵:詳解/098
交叉熵與反向傳播 /102
第6章 卷積神經網路與影像分類 /118
卷積神經網路 主要思想/119
卷積神經網路:詳解/121
Pytorch卷積神經網路/130
第7章循環神經網路與股票預測/131
循環神經網路主要思想/132
循環神經網路:詳解 /133
循環神經網路:反向傳播 /140
梯度消失/梯度爆炸問題 /146
第8章長短期記憶網與較好的股票預測 /151
長短期記憶網 主要思想/152
長短期記憶網:詳解 /153
長短期記憶網:實際應用 /161
術語解釋:長短期記憶網 /167
Pytorch:長短期記憶網 /168
第9章詞嵌入技術在單字數值化的應用 /169
詞嵌入:主要思想/170優化單一權重:詳解 /171
Pytorch:詞嵌入/180
第10章編碼器-解碼器架構與機器翻譯/181
編碼器-解碼器架構:主要思想/182
編碼器-解碼器架構:詳解/183
Pytorch編碼器-解碼器模型 /196
第11章註意力機制與更好的機器翻譯 /197
注意力機制主要思想/198
優化單一權重:詳解 /199
Pytorch:注意力機制/209
第12章 Transformer架構與更強大的機器翻譯/201
Transformer:主要觀念/211
Transformer:編碼器詳解 /212
Transformer:解碼器詳解 /228
Transformer:層的歸一化 /240
Transformer:相似度的度量 /241
Transformer:多頭注意力/242
Transformer:額外的全連接層 /244
Transformer:堆疊子單元 /245
Transformer:模型訓練/246
Pytorch:基於編碼器-解碼器Transformer模型的架構/250、
第13章僅解碼器Transformer架構與海量文字產生/251
僅解碼器Transformer 主要思想/252
僅解碼器Transformer:詳解 /253僅解碼器Transformer:模型訓練 /260 Pytorch:僅解碼器Transformer /261
第14章 僅編碼器Transformer在分類與聚類的應用/262
僅編碼器Transformer:主要思想 /263
僅編碼器Transformer:詳情 /264
僅編碼器Transformer:實際應用 /267
僅編碼器Transformer:模型訓練 /269
僅編碼器Transformer:透過預訓練模型的程式碼實現/270
致謝/272
StatQuest圖解機器學習
作者： （美）喬許‧史塔默
譯者： 錢辰江
出版社：電子工業出版社
出版日期：2025/03/01
頁 數:296
ISBN:9787121497643
編輯推薦
適讀人群 ：零基礎學習統計學和機器學習的讀者
他幫助世界各行各業的人贏得資料科學競賽、通過考試、順利畢業、成功求職或實現晉升，因此被大家譽為「矽谷守護神」。
他獨特的圖文表達形式和幽默的語言風格深受觀眾喜愛。這本《StatQuest圖解機器學習》結合了他創新的視覺呈現方式，深入淺出地闡釋了機器學習的基礎知識和高階知識，是一本輕鬆理解機器學習的「漫畫書」。是我們都愛的StatQuest統計學和機器學習書。
內容簡介
Josh Starmer博士在YouTube帳號「StatQuest」的影片總觀看量突破7500萬次（截至2025年2月統計的數據），他幫助世界各行各業的人贏得數據科學競賽、通過考試、順利畢業、成功求職或實現晉升，因此被大家譽為「矽谷守護神」。他獨特的圖文表達形式和幽默的語言風格深受觀眾喜愛。這本《StatQuest圖解機器學習》結合了他創新的視覺呈現方式，深入淺出地闡釋了機器學習的基礎知識和高階知識，是一本輕鬆理解機器學習的「漫畫書」。
本書前3章著重介紹了機器學習的整體框架和主要思想，從第4章起，介紹了各種機器學習演算法：從基礎的線性回歸（第4章）和邏輯回歸（第6章）到樸素貝葉斯（第7章）和決策樹（第10章），最後介紹了支持向量機（第11章）和神經網路（第12章）。在介紹機器學習演算法的同時，本書也穿插介紹了機器學習的進階知識和實用技巧，如梯度下降法（第5章）、模型效能度量（第8章）和防止過度擬合的正規化方法（第9章）。
作者簡介
Josh Starmer，YouTube熱門頻道「StatQuest with Josh Starmer」的幕後創作者。他以創新的視覺呈現方式和獨特的教學風格，向全世界好奇的人們解釋了統計學、資料科學和機器學習的概念和演算法。 StatQuest幫助全世界各行各業的人贏得數據科學競賽、通過考試、順利畢業、成功求職或實現晉升，因此，Josh被大家譽為“矽谷的守護神”；他也被譽為“統計學的比爾·奈”，因為他以趣味橫生的方式使機器學習這一話題變得引人入勝；還有人讚譽他為“數據的鮑勃·羅斯”，因為他拒絕通過幽默歌曲的炒作。
譯者簡介
錢辰江
美國芝加哥大學統計學碩士，加州大學洛杉磯分校數學經濟學士。目前任職於美國矽谷某網路創業公司，主要從事數據科學相關工作。曾任職於電商互聯網公司Wish和美國銀行，具有紮實的統計理論基礎和豐富的實戰經驗。
潘文皓
美國喬治亞大學統計學博士，研究方向為象徵性資料的聚類分析演算法。目前任職於美國蘋果總部，主要從事數據科學相關的模型開發與研究工作。曾任美國富國銀行量化分析師，負責反詐欺模型的開發、檢測與應用。
目錄
第1章 機器學習的基本概念 001
機器學習：主要思想 002
機器學習分類問題：主要思想 003
機器學習迴歸問題：主要思想 004
機器學習方法的比較：主要思想 005
機器學習的主要想法：總結 010
第2章 交叉驗證法 014
交叉驗證法：主要思想 015
第3章 統計學的基本概念 023
統計學：主要思想 024
直方圖：主要思想 025
機率分佈：主要思想 029
離散機率分佈：主要思想 030
離散機率分佈：總結 040
連續性機率分佈：主要思想 041
常態（高斯）分佈：主要思想1 042
常態（高斯）分佈：主要思想2 043
其他連續性機率分佈：主要想法 047
連續性機率分佈：總結 048
模型：主要思想1 049
模型：主要思想2 050
殘差平方和：主要思想1 051
殘差平方和：主要思想2 052
均方誤差（MSE）：主要思想 054
R2：主要思想 056
p值：主要思想1 061
p值：主要思想2 062
p值：主要思想3 063
p值：主要思想4 064
p值：主要思想5 065
統計學的基本概念：總結 066
第4章 線性迴歸 068
線性迴歸：主要思想 069
擬合線：主要思想 070
線性迴歸的p值與R2：主要思想 072
多元線性迴歸：主要思想 073
第5章 梯度下降法 076
梯度下降法：主要思想 077
隨機梯度下降法：主要思想 097
第6章 邏輯迴歸 101
邏輯迴歸：主要思想1 102
邏輯迴歸：主要思想2 103
邏輯迴歸：主要思想3 104
擬合數據：主要思想1 108
擬合資料：主要思想2 109
擬合數據：主要思想3 110
第7章 樸素貝葉斯 113
樸素貝葉斯：主要思想 114
多項樸素貝葉斯：處理缺失資料 120
多項樸素貝葉斯 vs. 高斯樸素貝葉斯 121
樸素貝葉斯：常見問題1 126
樸素貝葉斯：常見問題2 127
樸素貝葉斯：常見問題3 128
第8章 模型表現量測 129
模型效能衡量：主要思想 130
混淆矩陣：主要思想 131
靈敏度和特異度：主要思想 136
準確率和召回率：主要思想 137
真陽性率和假陽性率：主要想法 139
ROC：主要思想1 140
ROC：主要思想2 141
ROC：主要思想3 142
ROC：主要思想4 143
ROC：主要思想5 144
ROC：主要思想6 145
AUC：主要思想 151
PR曲線：主要思想1 154
PR曲線：主要思想2 155
第9章 防止過擬合的正規化方法 157
正則化：主要思想 158
嶺迴歸/L2正規化：提問與回答 165
第10章 決策樹 176
分類樹與迴歸樹：主要思想 177
分類樹：主要思想 180
建構分類樹：總結 193
回歸樹：主要思想1 195
回歸樹：主要思想2 196
第11章 支援向量機 211
支援向量機：主要思想 212
第12章 神經網路 227
神經網路：主要思想 229
激活函數：主要思想 233
逆傳播：主要思想 246
神經網路：提問與回答 262
附錄 在課堂裡學過但需要溫習的知識 264
附錄A 關於派的機率 265
附錄B 平均值、變異數以及標準差 268
附錄C 計算連續機率分佈機率的計算機命令 273
附錄D 導數的主要思想 277
附錄E 多項式求導公式 280
附錄F 鍊式法則 282
致謝 288
索引 290
