雖然人們對機器學習的興趣已來到很高的程度，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。
■ 深入了解機器學習、尤其是深度學習的整體概念
■ 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
目錄
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
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
...
購物須知
退換貨說明：
會員均享有10天的商品猶豫期（含例假日）。若您欲辦理退換貨，請於取得該商品10日內寄回。
辦理退換貨時，請保持商品全新狀態與完整包裝（商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等）一併寄回。若退回商品無法回復原狀者，可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。
