隨著普羅大眾對人工智慧的興趣日益濃厚，深度學習也引起了廣泛的關注。每一天都有許多深度學習的演算法被運用在不同的產業中。
本書將會為您提供有關該主題的所有實務資訊，包括最佳實作，使用真實世界的案例。您將學習到如何辨識和擷取資訊以便提高預測準確性，並最佳化結果。
從快速回顧重要的機器學習觀念開始，本書將使用scikit-learn來介紹深度學習的原理。然後，您也將學習到使用最新的開源函式庫，如Theano、Keras、Google的TensorFlow和H20。讀者可以使用本書當作一個指南，來找出模式辨識的困難之處，縮放數據以便得到更精確的結果，並討論深度學習演算法和技巧。
無論您是想深入了解深度學習，還是想要知道如何從這個強大的技術中獲得更多的資訊，您都可以從本書中學到這一切。
適用讀者
對機器學習觀念具有一些基本認識，對Python程式設計有一些經驗的數據科學從業人員，或是立志成為資料科學家的人。同時也需對微積分和統計學的基本觀念有相當程度的理解。
============================
你能夠從本書學習到：
•深度學習演算的深入實務認識。
•進一步地以Theano、H2O、Keras和TensorFlow來學習深度學習。
•了解在許多深度學習實作的兩個最重要的核心技術：自動編碼器和受限玻爾茲曼機。
•介紹卷積類神經網路來處理電腦視覺。
•了解強化學習來處理棋盤遊戲與電動遊戲。
•遞迴類神經網路和長短期記憶網路來做語音辨識。
•以深度學習技術建立一個可擴充和生產就緒的異常偵測系統。
數據 深度學習 學習 演算法 PYTHON 機器學習 辨識 資訊
