【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;

  • Spark上运行深度学习工作流。

 

本书中名称DL4JDeeplearning4j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。

 

2建立在1的概念基础之上,为您提供了神经网络的基础。2在很大程度上是神经网络理论的一个章节。


3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。


4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。

 

5中,我们将使用本书前半部分的技术介绍一些Java代码示例。


67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。


8回顾了矢量化技术以及如何使用DataVecDL4JETL和矢量化工作流工具)的基础知识。


9总结了本书的主体部分,回顾了如何在SparkHadoop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;

  • DL4J项目中使用Maven

  • 利用GPUs

  • 使用ND4JAPI

  • 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WWW90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
Top
微信扫码咨询专知VIP会员