【下载】深度学习DL4j实战指南《Deep Learning—A Practitioner's Approach》

【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

• 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 代码下载

▌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；
• 在Spark上运行深度学习工作流。

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。

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

第3章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。

第4章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。

在第5章中，我们将使用本书前半部分的技术介绍一些Java代码示例。

第6章和第7章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。

第8章回顾了矢量化技术以及如何使用DataVec（DL4J的ETL和矢量化工作流工具）的基础知识。

第9章总结了本书的主体部分，回顾了如何在Spark和Hadoop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；
• 在DL4J项目中使用Maven；
• 利用GPUs；
• 使用ND4J的API；
• 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WWW（90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