雖然人們對機器學習展現了高度的興趣，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。

．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

---

名人推薦
「本書涵蓋在現實世界中從事深度學習時，開發者必須知道的所有事情。」
—— Grant Ingersoll, Lucidworks首席技術長

Josh Patterson
Skymind現場工程的副總。在此之前，曾在Cloudera擔任主要解決方案架構師，並在田納西河流域管理局擔任機器學習與分散式系統工程師。

Adam Gibson
Skymind的首席技術長，曾與《財富》五百大企業、對沖基金、公關公司與創業加速器等單位，合作建立過許多機器學習專案，在協助公司處理與解構大型即時資料方面有許多的成就。

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