深度學習｜內行人的做法 (Deep Learning: A Practitioner's Approach)
內容描述
雖然人們對機器學習的興趣已來到很高的程度，但過高的期望往往無法讓專案走得太遠。機器學習（尤其是深度神經網路）在您的組織中，究竟能發揮什麼樣真正的作用呢？這本實戰指南不僅提供此主題相關的最實用資訊，還可協助您開始構建高效的深度學習網路。
本書提供了許多關於深度學習調整、平行化、向量化與構建流程的基礎知識。雖然本書是引用開源Deeplearning4j（DL4J）函式庫來開發生產級工作流程，但裡頭所介紹的基礎知識，適用於任何函式庫。透過真實世界中的範例，您將學習到如何運用DL4J訓練深度網路架構，以及在Spark與Hadoop上運行深度學習工作流程的方法與策略。
■ 深入了解機器學習、尤其是深度學習的整體概念
■ 了解神經網路進化到深度網路的歷程
■ 探索一些主要的深度網路架構，包括卷積網路（CNN）與遞廻網路（RNN）
■ 學習如何針對特定的問題，找出正確對應的深度網路架構
■ 針對一般神經網路與特定的深度網路架構，完整介紹調整相關的基礎知識
■ 透過DL4J的工作流程工具DataVec，把向量化技術運用到不同的資料型態上
■ 了解如何在Spark與Hadoop 上，以原生方式使用DL4J
目錄大綱
章節說明:前言
chapter 01 機器學習
chapter 02 神經網路和深度學習的基礎
chapter 03 深度網路基礎
chapter 04 深度網路的主要架構
chapter 05 打造深度網路
chapter 06 深度網路的調整
chapter 07 特定深度網路架構的調整
chapter 08 向量化
chapter 09 Spark 上使用深度學習與 DL4J
appendix A 什麼是人工智慧？
appendix B RL4J 與強化學習
appendix C 大家都應該知道的幾個數字
appendix D 神經網路與反向傳播：數學做法
appendix E 使用 ND4J API
appendix F 使用 DataVec
appendix G 使用 DL4J 的源程式碼
appendix H 設定 DL4J 專案
appendix I 設定 DL4J 專案
appendix J DL4J 安裝問題排除
索引
