具体描述
本书是由两位技术出身的企业管理者编写的深度学习普及书。本书的前四章提供了足够的关于深度学习的理论知识，包括机器学习的基本概念、神经网络基础、从神经网络到深度网络的演化历程，以及主流的深度网络架构，为读者阅读本书剩余内容打下基础。后五章带领读者进行一系列深度学习的实践，包括建立深层网络、高级调优技术、各种数据类型的向量化和在Spark上运行深度学习工作流。
作者简介
Josh Patterson是Skymind
公司副总裁，曾任Cloudera公司通用解决方案架构师、田纳西河流域管理局机器学习与分布式系统工程师。
Adam Gibson
是Skymind公司CTO，在帮助公司处理和解析大量实时数据方面经验丰富
目录信息
前言 xv
第1章 机器学习回顾 1
第2章 神经网络基础与深度学习 31
第3章 深度网络基础 60
第4章 深度网络的主要架构 85
第5章 建立深度网络 118
第6章 深度网络调优 176
第7章 调优特定的深度网络架构 217
第8章 向量化 237
第9章 在Spark上使用深度学习和DL4J 262
附录A 人工智能是什么 299
附录B RL4J与强化学习 307
附录C 每个人都需要了解的数字 325
附录D 神经网络和反向传播：数学方法 326
附录E 使用ND4J API 330
附录F 使用DataVec 341
附录G 从源代码构建DL4J 350
附录H 设置DL4J项目 352
附录I 为DL4J项目设置GPU 356
附录J 解决DL4J安装上的问题 359
关于作者 365
关于封面 365
· · · · · · (收起)
第1章 机器学习回顾 1
第2章 神经网络基础与深度学习 31
第3章 深度网络基础 60
第4章 深度网络的主要架构 85
第5章 建立深度网络 118
第6章 深度网络调优 176
第7章 调优特定的深度网络架构 217
第8章 向量化 237
第9章 在Spark上使用深度学习和DL4J 262
附录A 人工智能是什么 299
附录B RL4J与强化学习 307
附录C 每个人都需要了解的数字 325
附录D 神经网络和反向传播：数学方法 326
附录E 使用ND4J API 330
附录F 使用DataVec 341
附录G 从源代码构建DL4J 350
附录H 设置DL4J项目 352
附录I 为DL4J项目设置GPU 356
附录J 解决DL4J安装上的问题 359
关于作者 365
关于封面 365
· · · · · · (收起)
读后感
评分
评分
评分
评分
评分
用户评价
评分
评分
评分
评分
评分
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美书屋 版权所有