深度學習：Java語言實現 ( 簡體 字) |
| 作者：〔日〕?籠悠輔（Yusuke Sugomori）著 | 類別：1. -> 程式設計 -> 深度學習
2. -> 程式設計 -> JAVA -> Java |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 47283
詢問書籍請說出此書號！【缺書】
NT售價： 245 元 |
| 出版日：7/1/2017 |
| 頁數：185 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111572985 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：目前，人工智能技術舉世矚目，深度學習也引起人們廣泛關注。在實踐上，深度學習推動了人工智能革命性進步，其相關算法已經應用到眾多領域。然而，這種“革命性”的技術，常被認為非常復雜，讓人敬而遠之。而實際上，深度學習的理論和概念并不晦澀難懂。本書將一步步地介紹相關理論和公式，并引導讀者從零開始完成編碼實現。
本書內容
第1章：介紹深度學習的演化過程。
第2章：介紹與深度學習相關的機器學習算法。
第3章：介紹深度信念網絡與棧式去噪自編碼器。
第4章：集中介紹dropout和CNN的相關算法。
第5章：重點介紹深度學習庫DL4J及實踐經驗。
第6章：面向實戰，實踐深度學習算法和相關Java庫的工程開發。
第7章：廣泛介紹Teano、TensorFlow和Caffe 等深度學習框架。
第8章：介紹深度學習的最新動態及相關資源。
本書的使用要求
Java 8或以上（支持lambda 表達式），DeepLearning4J 0杄4或以上版本的Java庫。
目標讀者
本書是為那些想了解深度學習算法并期望應用到實踐中的Ｊava程序員而設計的。內容涵蓋機器學習和深度學習的核心概念和方法，但并不要求讀者具有機器學習經驗；同時，本書用極簡的代碼實現深度學習算法，這對一般Java程序員在語言技能和深度學習實現上有很大幫助。
下載示例代碼
讀者可使用在http://www杄packtpub杄com注冊的賬戶下載本書的示例代碼。如果你不是在官網購買的此書，可以訪問http://www杄packtpub杄com/support注冊，代碼文件會直接通過電子郵件發送給你。
你可根據以下步驟下載代碼文件：
（1）使用你的電子郵箱和密碼登錄或注冊我們的網站。
（2）將鼠標懸停在上方的SUPPORT（支持）標簽處。
（3）點擊 Code Downloads & Errata。
（4）在Search（搜索）欄輸入書籍名稱。
（5）選擇你要下載代碼文件的書籍。
（6）從下拉菜單中選擇你自何處購買此書。
（7）點擊Code Download。
也可以通過點擊Packt官網該書頁面上的Code Files按鈕來下載代碼文件。在Search欄輸入書籍名稱就可以訪問書籍頁面。但這需要先登錄你的Packt賬戶。
下載文件后，請用以下軟件的最新版本解壓文件：
娒 WinRAR/7拟Zip（對于Windows）。
娒 Zipeg/iZip/UnRarX（對于Mac）。
娒 7拟Zip/PeaZip（對于Linux）。
本書的代碼包也可從位于https://github杄com/PacktPublishing/Java拟Deep拟Learning拟Essentials的GitHub下載。https://github杄com/PacktPublishing/有海量的其他書籍的代碼包和視頻，去看看吧！ |
內容簡介：人工智能以及深度學習正在改變著人們對軟件的理解，使得計算機更加智能。深度學習算法應用非常廣泛，遠遠超出數據科學的范疇。本書首先介紹了一些機器學習算法的基礎，隨后帶領你進入一個引人入勝的機器智能世界，你將領略到各種神經網絡的魅力及挑戰。本書將使用基于DL4J的Java庫，帶你一起攻克圖像處理、語音識別和自然語言處理等領域中的各種問題。同時，你也會接觸到當今最重要的其他開發平臺，如Theano、TensorFlow和Caffe。通過本書的學習，你將具備用Java攻克深度學習問題的能力，并為這個領域貢獻自己的力量。
通過閱讀本書，你將：
透徹理解機器學習及深度學習算法
用代碼具體實現各種深度學習算法
用最流行的深度學習框架探究神經網絡
深入了解深度信念網絡及棧式去噪自編碼器算法
探索dropout及卷積神經網絡的深度學習算法
庖丁解牛DL4J開發庫及工程應用
提升深度學習算法及開發框架的工程級部署策略
了解Theano、TensorFlow和Caffe開發框架
本書是一本面向初學者的深度學習和機器學習實戰寶典。作者融合自己豐富的工程實踐經驗，詳細闡述機器學習和深度學習的核心概念、算法和實現，并深入探討如何將深度學習算法應用到研究和產業中去，一步步地剖析算法背后的數學原理，提供大量簡潔的代碼實現，助你從零基礎開始編程實現深度學習算法。
全書共8章，第1章介紹深度學習的由來及發展；第2章介紹與深度學習相關的機器學習算法及實現；第3章介紹深度學習經典算法的原理與實現，包括深度信念網絡（DBN）和棧式去噪自編碼器（SDA）；第4章集中介紹Dropout和CNN的相關算法及實現；第5章介紹如何使用 ND4J 和 DL4J 庫來實現深度學習模型；第6章通過實際應用場景，深入討論如何應用深度學習算法；第7章介紹其他深度學習框架，包括Teano、TensorFlow和Caffe等；第8章重點討論人工智能和深度學習的未來和發展。 |
目錄：譯者序
前言
第1章深度學習概述
1杄1人工智能的變遷
1杄1杄1人工智能的定義
1杄1杄2人工智能曾經的輝煌
1杄1杄3機器學習的演化
1杄1杄4機器學習的局限性
1杄2人與機器的區分因素
1杄3人工智能與深度學習
1杄4小結
第2章機器學習算法——為深度學習做準備
2杄1入門
2杄2機器學習中的訓練需求
2杄3監督學習和無監督學習
2杄3杄1支持向量機
2杄3杄2隱馬爾可夫模型
2杄3杄3神經網絡
2杄3杄4邏輯回歸
2杄3杄5增強學習
2杄4機器學習應用流程
2杄5神經網絡的理論和算法
2杄5杄1單層感知器
2杄5杄2邏輯回歸
2杄5杄3多類邏輯回歸
2杄5杄4多層感知器
2杄6小結
第3章深度信念網絡與棧式去
噪自編碼器
3杄1神經網絡的沒落
3杄2神經網絡的復興
3杄2杄1深度學習的進化——突破是什么
3杄2杄2預訓練的深度學習
3杄3深度學習算法
3杄3杄1限制玻爾茲曼機
3杄3杄2深度信念網絡
3杄3杄3去噪自編碼器
3杄3杄4棧式去噪自編碼器
3杄4小結
第4章dropout和卷積神經網絡
4杄1沒有預訓練的深度學習算法
4杄2dropout
4杄3卷積神經網絡
4杄3杄1卷積
4杄3杄2池化
4杄3杄3公式和實現
4杄4小結
第5章探索Java深度學習庫——DL4J、ND4J以及其他
5杄1從零實現與使用庫/框架
5杄2DL4J和 ND4J 的介紹
5杄3使用 ND4J 實現
5杄4使用DL4J實現
5杄4杄1設置
5杄4杄2構建
5杄4杄3CNNMnistExample杄java/LenetMnistExample杄java
5杄4杄4學習速率的優化
5杄5小結
第6章實踐應用——遞歸神經網絡等
6杄1深度學習熱點
6杄1杄1圖像識別
6杄1杄2自然語言處理
6杄2深度學習的挑戰
6杄3最大化深度學習概率和能力的方法
6杄3杄1面向領域的方法
6杄3杄2面向分解的方法
6杄3杄3面向輸出的方法
6杄4小結
第7章其他重要的深度
學習庫
7杄1Theano
7杄2TensorFlow
7杄3Caffe
7杄4小結
第8章未來展望
8杄1深度學習的爆炸新聞
8杄2下一步的展望
8杄3對深度學習有用的新聞資源
8杄4小結 |
| 序： |
