【下载】面向Python深度学习实战书籍《Deep Learning with Python》

2017 年 12 月 12 日 专知 专知内容组(编)

【导读】机器学习专家Nikhil S. Ketkar博士撰写的Python深度学习实战《Deep Learning with Python: A Hands-on Introduction》深入检出地讲解了各个深度学习框架的实际应用,面向尝试深度学习作为解决特定问题的软件开发人员,或者是想要将数据科学家开发的深度学习模型应用于实际场景。本书向我们介绍了Keras,Theano和Caffe等深度学习框架,并且帮助我们可以在较短的时间里掌握这些知识,并且将重点更多地放在实际应用领域,模型和算法上。因此,这本书是想要深入学习的软件开发人员的一个很好的起点。


请关注专知公众号(扫一扫最下面专知二维码,或者点击上方蓝色专知),

  • 后台回复“PDL” 就可以获取Python深度学习实战 pdf下载~



图书介绍




关于该书

本书通过向您介绍Keras,Theano和Caffe等深度学习框架,使用丰富的Python生态系统实现深度学习相关解决方案,在某种程度上填补了学术界最先进的理论知识和业界的实践经验之间的鸿沟。这些框架的实用性往往是由从业者通过阅读源代码,手册和在社区论坛上发布问题而获得的,往往是一个缓慢而痛苦的过程。Deep Learning with Python可以让您在短时间内掌握非常实用的知识,并将重点更多地放在实际应用领域,模型和算法上。


Deep Learning with Python简要介绍了深度学习的数学基础和其他前期准备,使本书成为想要深入学习的软件开发人员的一个很好的起点。这本书还包括一些对深度学习架构的简要总结。


Deep Learning with Python还向您介绍了自动微分和GPU计算的关键概念,这些概念虽然不是深度学习的核心,但对于进行大规模实验至关重要。


书中介绍了什么

  • 如何利用Python中的深度学习框架即Keras,Theano和Caffe

  • 深度学习相关数学知识

  • 进行大规模实验的一些策略

  • 利用深度学习进行实际产品应用


关于读者

本书是:希望尝试深度学习作为解决特定问题实际解决方案的软件开发人员。数据团队的软件开发人员想要将数据科学家开发的深度学习模型应用于生产。


关于作者

Nikhil S. Ketkar目前在印度最大的电子商务公司Flipkart领导机器学习平台团队。 他博士毕业于华盛顿州立大学。之后,他在夏洛特北卡罗来纳大学进行博士后研究,然后在芝加哥Transmaket公司进行高频交易。最近,他领导了在电信领域进行大数据分析的创业公司Guavus的数据挖掘团队,和在电子商务领域从事数据科学的初创公司Indix。他的研究兴趣包括机器学习和图论。


▌详细目录




▌第一部分 深度学习介绍




▌第二部分 机器学习基础




▌第三部分 前馈神经网络




▌第四部分 Theano介绍




▌第五部分 卷积神经网络




▌第六部分 循环神经网络




▌第七部分 Keras介绍




▌第八部分 随机梯度下降




▌第九部分 自动求导机制(Automatic Differentiation)




▌第十部分 GPU介绍




▌第一章详细内容




-END-

专 · 知

人工智能领域主题知识资料查看获取【专知荟萃】人工智能领域25个主题知识资料全集(入门/进阶/论文/综述/视频/专家等)

同时欢迎各位用户进行专知投稿,详情请点击

诚邀】专知诚挚邀请各位专业者加入AI创作者计划了解使用专知!

请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料

请扫一扫如下二维码关注我们的公众号,获取人工智能的专业知识!

请加专知小助手微信(Rancho_Fang),加入专知主题人工智能群交流!


点击“阅读原文”,使用专知

登录查看更多
36

相关内容

MATLAB玩转深度学习?新书「MATLAB Deep Learning」162页pdf
专知会员服务
99+阅读 · 2020年1月13日
深度学习界圣经“花书”《Deep Learning》中文版来了
专知会员服务
233+阅读 · 2019年10月26日
GAN新书《生成式深度学习》,Generative Deep Learning,379页pdf
专知会员服务
202+阅读 · 2019年9月30日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Arxiv
35+阅读 · 2020年1月2日
A Modern Introduction to Online Learning
Arxiv
20+阅读 · 2019年12月31日
Arxiv
45+阅读 · 2019年12月20日
Arxiv
12+阅读 · 2019年3月14日
Arxiv
7+阅读 · 2018年12月26日
Arxiv
22+阅读 · 2018年8月30日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
Arxiv
8+阅读 · 2018年5月15日
Arxiv
19+阅读 · 2018年3月28日
VIP会员
相关论文
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Arxiv
35+阅读 · 2020年1月2日
A Modern Introduction to Online Learning
Arxiv
20+阅读 · 2019年12月31日
Arxiv
45+阅读 · 2019年12月20日
Arxiv
12+阅读 · 2019年3月14日
Arxiv
7+阅读 · 2018年12月26日
Arxiv
22+阅读 · 2018年8月30日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
Arxiv
8+阅读 · 2018年5月15日
Arxiv
19+阅读 · 2018年3月28日
Top
微信扫码咨询专知VIP会员