TensorFlow+Keras深度學習人工智慧實務應用

如同我同事說的「看書的時間點不分早晚，當你閱讀的當下就是最好的Timing」。這本2017年出版的「TensorFlow+Keras深度學習人工智慧實務應用」對我而言，眼下就是最好的相逢。

面對以深度學習為主所掀起的第三次人工智慧熱潮，想當然耳是身處大數據應用第一線工程師必修的資訊技能。早先經由林大貴的姐妹作「Python+Spark 2.0+Hadoop機器學習與大數據分析實戰」學習到了傳統機器學習的功夫，在此基礎上再更一步研讀「TensorFlow+Keras深度學習人工智慧實務應用」一書，循序漸進地朝深度學習的領域探索，在學習進程上的安排是恰如其份。

就如封面所言，TensorFlow是實踐深度學習的低階語言，不適合初學者入門。而建基在TensorFlow之上的Keras函式庫，相當巧妙地將重複性的程式碼包裝起來，提供了便利、直觀的建模函式，讓使用者可以快速地運用類神經網路模型來實作實務問題，不用卡在枝微末節的代碼中。本書就是先從Keras範例開始介紹，等讀者對深度學習模型有一定經驗後，再用TensorFlow解說一次。林大貴的這種安排相當貼心，藉由同一範例執行兩種不同語法來重複練習，也真的能讓書中想傳播的知識確切地印在讀者們腦海中。

章節的範例包含了:手寫數字辨識、照片物體辨識(圖像分類問題)，鐵達尼號旅客生存機率(資料分類問題)以及IMDB影評情緒分析(自然語言處理分類問題)。都是常見但精典的機器學習課題，也都有轉化為實務的專案雛形的價值。利用深度學習的MLP(多層感知器)、CNN(卷積神經網路)、RNN(遞歸神經網路)與LSTM(長短期記憶)等深度學習模型，讓人工智慧在資訊科技運用上突破了先前傳統演算法(單純貝氏、決策樹...等)無法跨越的瓶頸，也勢必成為資訊科技從業人員口袋中應配備的應用工具。

書中最後一章是介紹如何安裝Nvidia的GPU顯示卡來加快TensorFlow的運算速度，可惜我沒想為了練習書中範例就去買張顯卡來實踐內容，就只能望文興嘆就字面上體驗GPU的強大威力。