人工智能以及深度学习正在改变着人们对软件的理解,使得计算机更加智能。深度学习算法应用非常广泛,远远超出数据科学的范畴。本书首先介绍了一些机器学习算法的基础,随后带领你进入一个引人入胜的机器智能世界,你将领略到各种神经网络的魅力及挑战。本书将使用基于DL4J的Java库,带你一起攻克图像处理、语音识别和自然语言处理等领域中的各种问题。同时,你也会接触到当今最重要的其他开发平台,如Theano、TensorFlow和Caffe。通过本书的学习,你将具备用Java攻克深度学习问题的能力,并为这个领域贡献自己的力量。
通过阅读本书,你将:
透彻理解机器学习及深度学习算法
用代码具体实现各种深度学习算法
用最流行的深度学习框架探究神经网络
深入了解深度信念网络及栈式去噪自编码器算法
探索dropout及卷积神经网络的深度学习算法
庖丁解牛DL4J开发库及工程应用
提升深度学习算法及开发框架的工程级部署策略
了解Theano、TensorFlow和Caffe开发框架
前:
本书是一本面向初学者的深度学习和机器学习实战宝典。作者融合自己丰富的工程实践经验,详细阐述机器学习和深度学习的核心概念、算法和实现,并深入探讨如何将深度学习算法应用到研究和产业中去,一步步地剖析算法背后的数学原理,提供大量简洁的代码实现,助你从零基础开始编程实现深度学习算法。
全书共8章,第1章介绍深度学习的由来及发展;第2章介绍与深度学习相关的机器学习算法及实现;第3章介绍深度学习经典算法的原理与实现,包括深度信念网络(DBN)和栈式去噪自编码器(SDA);第4章集中介绍Dropout和CNN的相关算法及实现;第5章介绍如何使用 ND4J 和 DL4J 库来实现深度学习模型;第6章通过实际应用场景,深入讨论如何应用深度学习算法;第7章介绍其他深度学习框架,包括Teano、TensorFlow和Caffe等;第8章重点讨论人工智能和深度学习的未来和发展。
后:
巣笼悠辅(Yusuke Sugomori) 是一位有信息工程背景的富有创造力的技术专家,目前是MICIN联合创始人和首席技术官,东京大学客座讲师。当他攻读研究生的时候,就与同事共同建立了Gunosy,主要是利用机器学习和基于网页的数据挖掘技术判断用户兴趣,并提供与之匹配的每日新闻推荐。这个基于算法的应用程序从发布起就引起了广泛关注,到目前累计用户已超过1000万。Yusuke在2013年加入日本最大的广告公司Dentsu,从事数字广告、智能手机应用开发及大数据分析等工作。Yusuke被日本《Web Designing》杂志评为“新一代”创新八强之一。
目前,人工智能技术举世瞩目,深度学习也引起人们广泛关注。在实践上,深度学习推动了人工智能革命性进步,其相关算法已经应用到众多领域。然而,这种“革命性”的技术,常被认为非常复杂,让人敬而远之。而实际上,深度学习的理论和概念并不晦涩难懂。本书将一步步地介绍相关理论和公式,并引导读者从零开始完成编码实现。
本书内容
第1章:介绍深度学习的演化过程。
第2章:介绍与深度学习相关的机器学习算法。
第3章:介绍深度信念网络与栈式去噪自编码器。
第4章:集中介绍dropout和CNN的相关算法。
第5章:重点介绍深度学习库DL4J及实践经验。
第6章:面向实战,实践深度学习算法和相关Java库的工程开发。
第7章:广泛介绍Teano、TensorFlow和Caffe 等深度学习框架。
第8章:介绍深度学习的最新动态及相关资源。
本书的使用要求
Java 8或以上(支持lambda 表达式),DeepLearning4J 04或以上版本的Java库。
目标读者
本书是为那些想了解深度学习算法并期望应用到实践中的Java程序员而设计的。内容涵盖机器学习和深度学习的核心概念和方法,但并不要求读者具有机器学习经验;同时,本书用极简的代码实现深度学习算法,这对一般Java程序员在语言技能和深度学习实现上有很大帮助。
下载示例代码
读者可使用在http://wwwpacktpubcom注册的账户下载本书的示例代码。如果你不是在官网购买的此书,可以访问http://wwwpacktpubcom/support注册,代码文件会直接通过电子邮件发送给你。
你可根据以下步骤下载代码文件:
(1)使用你的电子邮箱和密码登录或注册我们的网站。
(2)将鼠标悬停在上方的SUPPORT(支持)标签处。
(3)点击 Code Downloads & Errata。
(4)在Search(搜索)栏输入书籍名称。
(5)选择你要下载代码文件的书籍。
(6)从下拉菜单中选择你自何处购买此书。
(7)点击Code Download。
也可以通过点击Packt官网该书页面上的Code Files按钮来下载代码文件。在Search栏输入书籍名称就可以访问书籍页面。但这需要先登录你的Packt账户。
下载文件后,请用以下软件的最新版本解压文件:
WinRAR/7Zip(对于Windows)。
Zipeg/iZip/UnRarX(对于Mac)。
7Zip/PeaZip(对于Linux)。
本书的代码包也可从位于https://githubcom/PacktPublishing/JavaDeepLearningEssentials的GitHub下载。https://githubcom/PacktPublishing/有海量的其他书籍的代码包和视频,去看看吧!
计算机\人工智能
人工智能以及深度学习正在改变着人们对软件的理解,正使得计算机更加智能。深度学习算法应用非常广泛,远远超出数据科学的范畴。本书首先介绍了一些机器学习算法的基础,随后带领你进入一个引人入胜的机器智能世界,你将领略到各种神经网络的魅力及挑战。我们将使用基于DL4J的Java库,一起攻克图像处理、语音识别和自然语言处理等中的各种问题。同时,你也会接触到当今最重要的其他开发平台,如Theano、TensorFlow和Caffe。通过本书的学习,你将具备用Java攻克深度学习问题的能力,并为这个领域贡献自己的力量。
通过阅读本书,你将:
* 透彻理解机器学习及深度学习算法
* 用代码具体实现各种深度学习算法
* 用最流行的深度学习框架探究神经网络
* 深入了解深度信念网络及栈式去噪自编码器算法
* 探索dropout及卷积神经网络的深度学习算法
* 庖丁解牛DL4J开发库及工程应用
* 提升深度学习算法及开发框架的工程级部署策略
* 最新讲解Theano、TensorFlow和Caffe开发框架
[日]巣笼悠辅(Yusuke Sugomori)著:暂无相关简介
陈澎 王磊 陆明 译:暂无简介
本书是一本实战型的深度学习和机器学习宝典,十分适合Java的深度学习入门者。本书涵盖了深度学习的主要成熟算法,一步步地剖析算法背后的数学原理,并提供大量通俗易懂的代码加以说明。同时,为了能更好地指导实践,作者生动地阐述了很多宝贵的工程经验和技术直觉。最后,本书介绍了该领域最新的研究和应用成果,还包括一些实用的网络资源及研究方法。总之,本书值得深度学习爱好者细细品味。
最令人吃惊的是,本书作者Yusuke Sugomori竟然是一位十分年轻的“老司机”,拥有丰富的工程经验。从本书内容中,我们能隐约领悟到作者探索深度学习的捷径,就是“敢于实践,善于实践,快速实践!”。因此,我们也建议读者从最基本的部分就边学边做,不断深入理解深度学习的内涵。
本书的译者分工如下,陆明负责第1、2、6章,王磊负责第3、4、5章,陈澎负责前言、附录及第7、8章,并负责全书的审校工作。感谢机械工业出版社的编辑给予的帮助!
特别感谢我即将出生的孩子,一直支持我的妻子和父母,感谢合作译者陆明和王磊的家人!
“轻鞭一挥芳径去,漫闻花儿断续长”,我们有理由对人工智能的未来怀有更无限的憧憬!
陈澎
2017年3月于北京
译者序
前言
第1章深度学习概述
11人工智能的变迁
111人工智能的定义
112人工智能曾经的辉煌
113机器学习的演化
114机器学习的局限性
12人与机器的区分因素
13人工智能与深度学习
14小结
第2章机器学习算法——为深度学习做准备
21入门
22机器学习中的训练需求
23监督学习和无监督学习
231支持向量机
232隐马尔可夫模型
233神经网络
234逻辑回归
235增强学习
24机器学习应用流程
25神经网络的理论和算法
251单层感知器
252逻辑回归
253多类逻辑回归
254多层感知器
26小结
第3章深度信念网络与栈式去
噪自编码器
31神经网络的没落
32神经网络的复兴
321深度学习的进化——突破是什么
322预训练的深度学习
33深度学习算法
331限制玻尔兹曼机
332深度信念网络
333去噪自编码器
334栈式去噪自编码器
34小结
第4章dropout和卷积神经网络
41没有预训练的深度学习算法
42dropout
43卷积神经网络
431卷积
432池化
433公式和实现
44小结
第5章探索Java深度学习库——DL4J、ND4J以及其他
51从零实现与使用库/框架
52DL4J和 ND4J 的介绍
53使用 ND4J 实现
54使用DL4J实现
541设置
542构建
543CNNMnistExamplejava/LenetMnistExamplejava
544学习速率的优化
55小结
第6章实践应用——递归神经网络等
61深度学习热点
611图像识别
612自然语言处理
62深度学习的挑战
63最大化深度学习概率和能力的方法
631面向领域的方法
632面向分解的方法
633面向输出的方法
64小结
第7章其他重要的深度
学习库
71Theano
72TensorFlow
73Caffe
74小结
第8章未来展望
81深度学习的爆炸新闻
82下一步的展望
83对深度学习有用的新闻资源
84小结