深度學習：內行人的做法

　　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

作者簡介

Josh Patterson

　　Josh Patterson is currently VP of Field Engineering for Skymind. Previously, Josh worked as a Principal Solutions Architect at Cloudera and as a machine learning and distributed systems engineer at the Tennessee Valley Authority.

Adam Gibson

　　Adam Gibson is the CTO of Skymind. Adam has worked with Fortune 500 companies, hedge funds, PR firms, and startup accelerators to create their machine learning projects. He has a strong track record helping companies handle and interpret big realtime data.