深度學習|內行人的做法
Deep Learning: A Practitioner's Approach
 
作者: Josh Patterson,‎ Adam Gibson
譯者: 藍子軒
書號: A559     出版日: 2019/01/11
ISBN: 9789865020262     EAN: 9789865020262
紙本書價格: 780     附件: 
電子書: 尚未出版
試讀  
  博客來  
  金石堂  
  天瓏  
  團體購書



回頁首
雖然人們對機器學習展現了高度的興趣,但過高的期望往往無法讓專案走得太遠。機器學習(尤其是深度神經網路)在您的組織中,究竟能發揮什麼樣真正的作用呢?這本實戰指南不僅提供此主題相關的最實用資訊,還可協助您開始構建高效的深度學習網路。

本書提供了許多關於深度學習調整、平行化、向量化與構建流程的基礎知識。雖然本書是引用開源Deeplearning4j(DL4J)函式庫來開發生產級工作流程,但裡頭所介紹的基礎知識,適用於任何函式庫。透過真實世界中的範例,您將學習到如何運用DL4J訓練深度網路架構,以及在Spark與Hadoop上運行深度學習工作流程的方法與策略。

.了解神經網路進化到深度網路的歷程
.探索一些主要的深度網路架構,包括卷積網路(CNN)與遞廻網路(RNN)
.學習如何針對特定的問題,找出正確對應的深度網路架構
.針對一般神經網路與特定的深度網路架構,完整介紹調整相關的基礎知識
.透過DL4J的工作流程工具DataVec,把向量化技術運用到不同的資料型態上
.了解如何在Spark與Hadoop上,以原生方式使用DL4J



名人推薦
「本書涵蓋在現實世界中從事深度學習時,開發者必須知道的所有事情。」
—— Grant Ingersoll, Lucidworks首席技術長

回頁首
Josh Patterson
Skymind現場工程的副總。在此之前,曾在Cloudera擔任主要解決方案架構師,並在田納西河流域管理局擔任機器學習與分散式系統工程師。

Adam Gibson
Skymind的首席技術長,曾與《財富》五百大企業、對沖基金、公關公司與創業加速器等單位,合作建立過許多機器學習專案,在協助公司處理與解構大型即時資料方面有許多的成就。

回頁首

Deep Learning|用Python進行深度學習的基礎理論實作 機器學習|工作現場的評估、導入與實作 初探機器學習|使用Python


回頁首

前言
chapter 01 機器學習
chapter 02 神經網路和深度學習的基礎
chapter 03 深度網路基礎
chapter 04 深度網路的主要架構
chapter 05 打造深度網路
chapter 06 深度網路的調整
chapter 07 特定深度網路架構的調整
chapter 08 向量化
chapter 09 Spark 上使用深度學習與 DL4J
appendix A 什麼是人工智慧?
appendix B RL4J 與強化學習
appendix C 大家都應該知道的幾個數字
appendix D 神經網路與反向傳播:數學做法
appendix E 使用 ND4J API
appendix F 使用 DataVec
appendix G 使用 DL4J 的源程式碼
appendix H 設定 DL4J 專案
appendix I 設定 DL4J 專案
appendix J DL4J 安裝問題排除
索引


  
 

關於碁峰隱私權政策聯絡我們     檢視 : PC 版  手機版
碁峰資訊股份有限公司 GOTOP INFORMATION INC.
台北市南港區三重路66號7樓之6 / 7F.-6,No.66,Sanchong Rd.,Nangang District,Taipei
TEL:(02)2788-2408 FAX:(02)8192-4433 劃撥帳號:14244383
Copyright 2014© GOTOP Information Inc, All Rights Reserved 請勿任意連結、轉載