【下载】深度学习DL4j实战指南《Deep Learning—A Practitioner's Approach》
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！
展开全文
微信扫码咨询专知VIP会员