Java Deep Learning Essentials
本书介绍
深入研究数据科学的未来，并学习如何构建对使用java进行深入学习和ai的基础的复杂算法。
关于这本书
超越理论，用java将深入学习付诸实践，了解如何使用一系列领先的框架构建一系列深度学习算法，包括dl4j、theano和caffe，无论您是数据科学家还是java开发人员，深入研究并了解如何解决深度学习问题。
这本书是给谁的？
这本书是为想深入学习这个激动人心的世界的数据科学家和java开发人员准备的。它也对那些打算在他们的项目中利用深度学习的机器学习用户有好处，他们在一个大的数据环境中工作。
你会学到什么
深入研究机器学习和深度学习算法。实现与深度学习相关的机器学习算法。使用一些最流行的深度学习框架探索神经网络；深入研究深信念网和叠置去噪自动编码算法。发现更多的带辍学和卷积神经网络的深度学习算法。深入了解深度学习库dl4j及其实际用途。了解设备。在现实世界中使用深度学习算法和图书馆的策略。与西亚诺和卡菲一起进一步探索深度学习。
详情
人工智能和深层的学习正在改变我们对软件的理解方式，使计算机变得比我们十年前想象的还要聪明。深入学习算法正在广泛的行业中使用——作为人工智能的基本驱动力，能够解决深入学习的问题，不仅在技术领域，而且在更广泛的全球经济中，也将是一种至关重要的宝贵技能，它依赖于知识和对增长和成功的洞察力。它是超越的科学数据–的境界，如果你是一个java开发人员，这本书给你一个很好的机会来拓展你的技能。
从基本机器学习算法的介绍开始，为了给您一个坚实的基础，使用java的深入学习将使您进一步深入到这个惊人的预测洞察力和卓越的机器智能的重要世界中。一旦您掌握了基本的数学原理，您将开始探索神经网络，并确定如何使用高级算法来解决大型网络中的挑战。您将学习如何使用dl4j库。并将深入学习应用于一系列真实世界的使用案例。通过进一步的指导和洞察力，帮助您解决图像处理、语音识别、语言建模等具有挑战性的问题，这本书将使您重新思考如何使用java，向您展示如何将其用于真正先进的预测洞察力。
在本书的结尾，您将准备好使用java进行深入学习。无论您来自何处--无论您是数据科学家还是java开发人员--您都将成为深度学习革命的一部分！
目录
Chapter 1. Deep Learning Overview
Chapter 2. Algorithms for Machine Learning – Preparing for Deep Learning
Chapter 3. Deep Belief Nets and Stacked Denoising Autoencoders
Chapter 4. Dropout and Convolutional Neural Networks
Chapter 5. Exploring Java Deep Learning Libraries – DL4J, ND4J, and More
Chapter 6. Approaches to Practical Applications – Recurrent Neural Networks and More
Chapter 7. Other Important Deep Learning Libraries
Chapter 8. What's Next?
69
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
