Table of Contents
距離上次「默默地學Deep Learning」系列文章發布在Medium上面也已經是2018年的事情了，經過了這麼多年，我相信有很多東西都已經不太一樣。
(主要還是在當助教的朋友拿學生的作業給我看，發現有人參考我以前寫在Medium上面的文章，讓我深受感動，覺得自己對這個社會還是可以有點貢獻的。)
由於離開了實驗室，沒有大型機台、GPU可以讓我在家裡測試模型，那系列文章基本上就這樣涼了。
最近買了新的桌電，特地挑了顯卡內存有12G的3060，那就拿GPU來訓練模型吧！
這邊附上規格表：
| 品項 |
| Intel【12核】Core i7-12700K |
| 華碩 TUF GAMING Z690-PLUS WIFI D4 |
| PNY XLR8 RGB DDR4 3600 8G*4 |
| PNY CS3030 2TB |
| (LHR)EVGA RTX3060 XC GAMING 12GB GDDR6 |
| EVGA 750 GA |
| MONTECH Air X BLACK |
| 利民 Peerless Assassin 120(含1700扣具) |
所以下列文章就這麼被計畫下來了，那這系列其實不算是教學文，就當作是自己出給自己的作業、筆記吧。
然後在這系列文章之前，其實有翻譯過兩篇短篇小品，有興趣的可以先過去看看：
神經網路白話文 (二) – 用三條數學式講透透 | Mortis
0.從零開始，環境建立、測試
1.認識主要核心：TensorFlow、Keras、Data
2.白話深度學習裡的「名詞們」
3.以NN (Neural Network) 來「預測」房價
4.以CNN (Convolution Neural Network) 進行貓、狗圖像辨識
5.真正的「深度」學習，深度學習中的奇異點 – ResNet (Residual Neural Network)
6.以Autoencoder (a.k.a 特徵萃取機) 進行影像降噪
7.以U-Net 進行「摳圖」 (Image Segmentation)
8.讓神經網路有「記憶」 – 簡介RNN (Recurrent Neural Network) 和LSTM (Long Short-Term Memory)
9.以LSTM自動產生「評論」
10.GAN啥子? 最具有創意、樂趣的神經網路 Generative Adversarial Network
11.以GAN製作梵谷畫作產生器
12.用神經網路生成神經網路 – EfficientNet
13. 自然語言處理 (NLP) 的霸者 – Transformer
14.臨床醫學中的神經網路們 – 淺談模型選擇、數據處理以及圖表解讀
15.Reinforcement Learning 的驚世之作：Alpha Go
可能會有用的參考資料：
- 首頁：Data Science and Robots · 資料科學・機器・人 (mcknote.com)
- Keras實戰：基於LSTM的股價預測方法(吐血推薦，新手入門必看~) – IT閱讀 (itread01.com)
- The latest in Machine Learning | Papers With Code
- Dive into Deep Learning — Dive into Deep Learning 0.17.1 documentation (d2l.ai)
- This Person Does Not Exist
- LeeMeng – 世上最生動的 PCA：直觀理解並應用主成分分析
