点击上方“专知”关注获取专业AI知识!
【导读】 深度学习工程师、deeplearning4j框架贡献者之一Adam Gibson等人的新书《Deep Learning—A Practitioner's Approach》面向希望学习深度学习的数据科学家和工程师,从实战角度出发带你用DL4j快速上手深度学习方法,这本书的目标是使深度学习大众化,利用DL4J进行一系列深度学习实战,并且介绍了在Spark和Hadoop上使用DL4J进行深度学习开发的教程。
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“DLP” 就可以获取深度学习实战指南 pdf下载~
后台回复“DLPC” 就可以获取深度学习实战指南 代码下载~
▌图书介绍
本书前四章的重点是介绍充分的理论和基础知识,为实践者提供本书其余部分的工作基础。接下来的五章将从这些概念出发,利用DL4J进行一系列深度学习实战:
构建深度网络;
先进的优化技术;
不同数据类型的矢量化;
在Spark上运行深度学习工作流。
本书中名称DL4J和Deeplearning4j是相同的。这两个术语都是指Deeplearning4j库中的一套工具。 |
本书以这种方式设计了这本书,因为作者觉得需要一本涵盖“足够的理论”的书,同时还要有足够的实践来建立生产级的深度学习工作流程。作者觉得这本书的理论和实践结合的方法很适合这种方式。
▌内容简介
第一章是对机器学习概念的总体回顾,特别是对深度学习的回顾,以便使读者了解本书其余部分所需的基础知识。我们之所以添加这一章,因为许多初学者可以复习这些概念或入门,并且我们想让本书能够被最大的受众所接受。
第2章建立在第1章的概念基础之上,为您提供了神经网络的基础。第2章在很大程度上是神经网络理论的一个章节。
第3章在前两节的基础上进一步构建,使您深入了解神经网络怎么从基础网络发展而来。
第4章将介绍深度网络的四大架构,并为您提供本书其余部分的基础。
在第5章中,我们将使用本书前半部分的技术介绍一些Java代码示例。
第6章和第7章讨论通用神经网络调优的基本原理,然后讨论如何调整深度网络的特定网络结构。这些章节是平台无关的,适用于任何深度学习库的从业者。
第8章回顾了矢量化技术以及如何使用DataVec(DL4J的ETL和矢量化工作流工具)的基础知识。
第9章总结了本书的主体部分,回顾了如何在Spark和Hadoop上使用DL4J,并举例说明了可以在自己的Spark群集上运行的三个实例。
本书有许多相关主题的附录章节,但并不直接适用于主要章节。主题包括:
人工智能;
在DL4J项目中使用Maven;
利用GPUs;
使用ND4J的API;
更多…。
谁是“从业者”?
今天,“数据科学”这个术语并没有清晰的定义,经常以不同的方式使用。数据科学和人工智能(AI)与当今计算机科学中的任何术语一样广泛和模糊。这很大程度上是因为机器学习几乎与所有学科中都交织在一起。
这种广泛的交织与WWW(90年代)将HTML融入各个学科,并将许多新人带入技术领域的历史相似。同样,所有类型的工程师,统计学家,分析师,艺术家,每天都在进入机器学习领域。这本书的目标是使深度学习(和机器学习)大众化。
如果你觉得本书的话题很有意思,而且正在阅读这篇序言,那么你就是深度学习从业者,这本书是为你准备的。
▌详细目录
▌第一部分 机器学习回顾
▌第二部分 神经网络和深度学习基础
▌第三部分 深度网络基础
▌第四部分 深层网络主要架构
▌第五部分 构建深度网络
▌第六部分 深度网络优化
▌第七部分 特定深度网络结构优化
▌第八部分 矢量化
▌第九部分 在Spark上使用深度学习和DL4J
▌第一章部分内容
-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!