通过技术例子从业务角度发现深度学习的潜在应用、挑战和机会。这些应用包括图像识别、分割和注释、视频处理和注释、语音识别、智能个人助理、自动翻译和自动车辆。
面向开发者的深度学习业务应用介绍涵盖了一些常见的DL算法,比如基于内容的推荐算法和自然语言处理。您将探索一些示例,例如使用全卷积神经网络(FCNN)和剩余神经网络(ResNets)进行视频预测。您还将看到DL用于控制机器人的应用程序,使用蒙特卡罗树搜索(用于在围棋游戏中击败人类)探索DeepQ学习算法,以及为财务风险评估建模。这里还将提到一组被称为生成对抗神经网络(GANs)的强大算法,它可用于图像着色、图像补全和样式转换。
读完这本书,你将对深度神经网络这一令人兴奋的领域有一个概述,并对深度学习的大部分主要应用有一个理解。这本书包含了一些代码示例、技巧和如何使用Keras框架训练深度学习模型的见解。
你将学到什么
让我们来了解一下深度学习以及它为什么如此强大
使用主要算法来训练深度学习模型
深度学习应用方面的重大突破
运行一些简单的示例,并选择一些深度学习库
探索深度学习对商业的影响领域
这本书是给谁的
数据科学家、企业家和商业开发人员。
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“DL348” 可以获取《【实用书】给开发者的深度学习商业应用指南,348页pdf》专知下载链接索引