【下载】JAVA程序员深度学习实用指引《Deep Learning: Practical Neural Networks》

2017 年 12 月 7 日 专知 专知内容组(编)
【下载】JAVA程序员深度学习实用指引《Deep Learning: Practical Neural Networks》

击上方“专知”关注获取专业AI知识!

【导读】 Yusuke Sugomori等人的新书《JAVA深度学习实战》(Deep Learning: Practical Neural Networks with Java)面向希望学习深度学习的数据科学家和Java开发人员,从实战角度出发带你用JAVA快速上手机器学习和深度学习方法,是JAVA工程师不可不看的深度教程。


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“DLJ” 就可以获取Yusuke Sugomori的JAVA深度学习实战 pdf下载~


图书介绍




本书通过利用最流行的Java机器学习库来构建和运行深度学习和其他AI应用程序


关于本书:

  • 使用最流行的机器学习Java库,制定一个合理的策略来解决预测建模问题。

  • 通过图表、源代码和实际应用,探索各种各样的数据处理、机器学习和自然语言处理方法。

  • 通过一步一步的指导将帮助您解决现实世界的问题,并将神经网络理论与应用程序联系起来。

 


本书适合哪些读者

本课程面向希望学习深度学习的数据科学家和Java开发人员。它将使您快速运行程序,并为您提供在实际生活中成功创建、定制和部署机器学习应用程序所需的技能。

 

你能学到什么

机器学习和深度学习实战能力


作者简介




菅沼雄介(Yusuke Sugomori)是一名具有信息工程背景的有创造力的技术专家。当他是一名研究生时,他与他的同事们共同创立了Gunosy,他使用机器学习和基于Web的数据挖掘来挖掘用户个人的兴趣,并根据这些兴趣优化给用户提供的每日的新闻选择。这个基于算法的应用程序自发布以来已经获得了很多关注,现在已经有超过1000万用户。该公司自2015年4月28日起在东京证券交易所上市。

 

在2013年,Sugomori加入日本最大的广告公司——电通,并于2014年以非综合毛利进行广泛的数码广告、智能手机应用程序开发及大数据分析。他还被日本杂志“网页设计”选为八位“新一代”创作者之一。2016年4月,他以联合创始人兼首席技术官的身份加入了医疗创业公司。


▌详细目录




▌第一部分 JAVA深度学习基础



  • 1.深度学习概述




  • 2.深机器学习算法—为深度学习作准备



        


  • 3.深度信念网络和多层降噪自动编码机





  • 4.Dropout和卷积神经网络




  • 5.探索JAVA深度学习库-DL4J, ND4J




  • 6.实战应用-RNN 




  • 7.其他重要的深度学习库 





  • 8.未来展望 




▌第二部分 JAVA机器学习实战



  • 1.快速启动机器学习



   

    

   


  • 2.机器学习的JAVA库和平台




  • 3.机器学习基础算法—分类,回归和聚类




  • 4.集成算法




  • 5.Affinity分析




  • 6.Apache Mahout 推荐引擎






▌第三部分 JAVA神经网络编程(第二版)



  • 1.快速启动神经网络



     


  • 2.神经网络学习




  • 3.感知器和有监督学习




  • 4.自组织映射






-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!

请下方扫一扫专知小助手微信(Rancho_Fang),加入专知主题群(请备注主题类型:AI、NLP、CV、 KG等)交流~

点击“阅读原文”,使用专知!

登录查看更多
10

相关内容

Java 是一门编程语言,拥有跨平台、面向对象、泛型编程等特性。

掌握通过机器学习和深度学习识别和解决复杂问题的基本技能。使用真实世界的例子,利用流行的Python机器学习生态系统,这本书是你学习机器学习的艺术和科学成为一个成功的实践者的完美伴侣。本书中使用的概念、技术、工具、框架和方法将教会您如何成功地思考、设计、构建和执行机器学习系统和项目。

使用Python进行的实际机器学习遵循结构化和全面的三层方法,其中包含了实践示例和代码。

第1部分侧重于理解机器学习的概念和工具。这包括机器学习基础,对算法、技术、概念和应用程序的广泛概述,然后介绍整个Python机器学习生态系统。还包括有用的机器学习工具、库和框架的简要指南。

第2部分详细介绍了标准的机器学习流程,重点介绍了数据处理分析、特征工程和建模。您将学习如何处理、总结和可视化各种形式的数据。特性工程和选择方法将详细介绍真实数据集,然后是模型构建、调优、解释和部署。

第3部分探讨了多个真实世界的案例研究,涵盖了零售、交通、电影、音乐、营销、计算机视觉和金融等不同领域和行业。对于每个案例研究,您将学习各种机器学习技术和方法的应用。动手的例子将帮助您熟悉最先进的机器学习工具和技术,并了解什么算法最适合任何问题。

实用的机器学习与Python将授权您开始解决您自己的问题与机器学习今天!

你将学习:

  • 执行端到端机器学习项目和系统
  • 使用行业标准、开放源码、健壮的机器学习工具和框架实现实践示例
  • 回顾描述机器学习和深度学习在不同领域和行业中的应用的案例研究
  • 广泛应用机器学习模型,包括回归、分类和聚类。
  • 理解和应用深度学习的最新模式和方法,包括CNNs、RNNs、LSTMs和transfer learning。

这本书是给谁看的 IT专业人士、分析师、开发人员、数据科学家、工程师、研究生

目录:

Part I: Understanding Machine Learning

  • Chapter 1: Machine Learning Basics
  • Chapter 2: The Python Machine Learning Ecosystem Part II: The Machine Learning Pipeline
  • Chapter 3: Processing, Wrangling and Visualizing Data
  • Chapter 4: Feature Engineering and Selection
  • Chapter 5: Building, Tuning and Deploying Models Part III: Real-World Case Studies
  • Chapter 6: Analyzing Bike Sharing Trends
  • Chapter 7: Analyzing Movie Reviews Sentiment
  • Chapter 8: Customer Segmentation and Effective Cross Selling
  • Chapter 9: Analyzing Wine Types and Quality
  • Chapter 10: Analyzing Music Trends and Recommendations
  • Chapter 11: Forecasting Stock and Commodity Prices

Chapter 12: Deep Learning for Computer Vision

成为VIP会员查看完整内容
0
124

地址:

https://www.apress.com/gp/book/9781484251232

利用MATLAB的强大功能来应对深度学习的挑战。本书介绍了深度学习和使用MATLAB的深度学习工具箱。您将看到这些工具箱如何提供实现深度学习所有方面所需的完整功能集。

在此过程中,您将学习建模复杂的系统,包括股票市场、自然语言和仅确定角度的轨道。您将学习动力学和控制,并使用MATLAB集成深度学习算法和方法。您还将使用图像将深度学习应用于飞机导航。

最后,您将使用惯性测量单元对ballet pirouettes进行分类,并使用MATLAB的硬件功能进行实验。

你会学到什么

  • 使用MATLAB探索深度学习,并将其与算法进行比较
  • 在MATLAB中编写一个深度学习函数,并用实例进行训练
  • 使用与深度学习相关的MATLAB工具箱
  • 实现托卡马克中断预测

这本书是给谁看的:

工程师、数据科学家和学生想要一本关于使用MATLAB进行深度学习的例子丰富的书。

成为VIP会员查看完整内容
0
71
小贴士
相关论文
Wenwu Zhu,Xin Wang,Peng Cui
18+阅读 · 2020年1月2日
Kazuki Irie,Albert Zeyer,Ralf Schlüter,Hermann Ney
5+阅读 · 2019年7月11日
Few-shot Learning: A Survey
Yaqing Wang,Quanming Yao
294+阅读 · 2019年4月10日
A Hierarchical Neural Network for Sequence-to-Sequences Learning
Si Zuo,Zhimin Xu
3+阅读 · 2018年11月23日
Antoine J. -P. Tixier
10+阅读 · 2018年8月30日
Adrià Garriga-Alonso,Laurence Aitchison,Carl Edward Rasmussen
4+阅读 · 2018年8月16日
Seyed Sajad Mousavi,Michael Schukat,Enda Howley
12+阅读 · 2018年6月23日
Christian Rupprecht,Iro Laina,Nassir Navab,Gregory D. Hager,Federico Tombari
4+阅读 · 2018年3月30日
Vincent Dumoulin,Francesco Visin
6+阅读 · 2018年1月11日
Jonas Gehring,Michael Auli,David Grangier,Denis Yarats,Yann N. Dauphin
3+阅读 · 2017年7月25日
Top