使用TensorFlow、H2O和MXNet解决复杂的神经网络问题，全彩印刷
Key Features
- 本书的结构简单明了，每部分由准备环节、动手操作和工作原理组成，可强化读者的学习
- 覆盖了深度学习领域常见的神经网络类型，并介绍了使用场景
- 包含大量实用的示例代码，方便读者应用到实际项目中。
Book Description
深度学习是当前的热门，它是机器学习的一部分。在庞大而复杂的数据应用中，深度学习取得的效果非常吸引人。同时，R编程语言在数据挖掘人员和统计人员当中非常流行。本书介绍使用 R 语言和深度学习库 TensorFlow、H2O 和 MXNet 构建不同的深度学习模型的方法和原理。本书共 10 章，其中第 1、2 章介绍如何在 R 中配置不同的深度学习库以及如何构建神经网络；第 3 ～ 7 章介绍卷积神经网络、自动编码器、生成模型、循环神经网络和强化学习的构建方法和原理；第 8、9 章介绍深度学习在文本挖掘以及信号处理中的应用；第 10 章介绍迁移学习以及如何利用 GPU 部署深度学习模型。
本书的结构简单明了，每部分由准备环节、动手操作和工作原理组成，可强化读者的学习；内容上覆盖了深度学习领域常见的神经网络类型，并介绍了使用场景。同时，书中包含大量实用的示例代码，方便读者应用到实际项目中。
阅读完本书，你将对深度学习的架构和不同的深度学习包有一个比较深入的理解，能够为你今后碰到的项目或问题找到合适的解决方案。
What you will learn
- 使用TensorFlow、H2O和MXNet构建
- 不同应用领域的深度学习模型
- 分析深度玻尔兹曼机
- 建立和分析深度信念网络
- 使用各种机器学习算法构建监督模型
- 使用自动编码器理解特征表示
- 探索深度学习中可用的生成模型
- 使用循环网络实现序列建模
- 了解强化学习的基础知识
- 了解深度学习应用于文本挖掘的流程和步骤
- 探索深度学习在信号处理中的应用
- 使用迁移学习构建深度学习模型
- 在GPU上训练深度学习模型
Who this book is for
深度学习爱好者，深度学习方向的研究人员和工程技术人员，相关专业的师生。
Table of Contents
- 入门
- R深度学习
- 卷积神经网络
- 使用自动编码器的数据表示
- 深度学习中的生成模型
- 循环神经网络
- 强化学习
- 深度学习在文本挖掘中的应用
- 深度学习在信号处理中的应用
- 迁移学习
Loading...
Loading...
Loading...
Loading...
