|
|
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。
作者簡介
Valentino Zocca
目前是一家大型金融公司的獨立顧問，住在紐約。他利用機器學習與深度學習，開發了許多計量經濟學模型來建立預測模型。在羅馬大學取得數學碩士學位後，再到美國馬里蘭大學深造，並且完成他的數學博士學位，博士論文是研究「symplectic geometry」。取得博士學位後，在英國的University of Warwick待了一學期，再到巴黎進行博士後研究。接著在華盛頓特區的Autometric公司服務，參與許多高科技專案，並在設計、開發一個先進3D地球視覺化軟體的專案中扮演核心的角色。Autometric公司後來被波音公司併購，在波音公司服務期間，開發了許多數學演算法和預測模型，並使用Hadoop完成了許多衛星影像視覺化的程式。他可以說是一位機器學習與深度學習的專家。 並曾在美國人口普査局工作。也以獨立顧問的身分，在美國與義大利工作。並曾經在義大利米蘭與美國紐約主持過機器學習與深度學習的講座。
Gianmario Spacagna
目前是 Pirelli輪胎公司的資深資料科學家，專門處理IoT感測器資料、遙測資料與聯通載具的應用。主要專長是在替數據產品建立機器學習系統和完整的解決方案。工作中需要與輪胎技師，工程師和業務部門密切合作，以便分析和製定混合動力，物理驅動和數據驅動的汽車模型。
Gianmario是Professional Data Science Manifesto一書的共同作者，也是Data Science Milan meetup社群的創辦人。擁有Polytechnic of Turin的資訊碩士學位，曾是斯德哥爾摩的KTH公司，分散式系統的資深軟體工程師。在到Pirelli輪胎公司服務之前，曾在Barclays的零售和商業銀行服務、Cisco擔任網絡安全工作、AgilOne從事市場預測，偶爾也會以個人名義承攬專案。
Daniel Slater
從11歲開始設計程式，開發軟體遊戲Quake的模組。他的熱情引領他成為電腦遊戲公司的遊戲開發工程師，並且參與Championship Manager這個熱門系列遊戲的開發，後來轉入財務領域，從事高風險、高效能的訊息系統。現職是Skimlinks的大數據工程師，分析線上使用者行為，閒暇時間會訓練AI來打敗電腦遊戲，也曾多次在技術會議上發表關於深度學習與強化學習的演說。部落格是www.danielslater.net，其工作成果也被Google所引用。
Peter Roelants
擁有魯汶大學的計算機科學碩士學位，專攻人工智慧。致力於將深度學習運用在各個領域，例如光譜成像，語音辨識，文本分析和文件資訊檢索。目前在Onfido工作，是「數據檢索研究團隊」的領導人，專注於官方文件的資料檢索。
前言
第1章：機器學習簡介
什麼是「機器學習」？
不同的「機器學習」方法
第2章：類神經網路
為什麼是類神經網路?
基礎介紹
第3章：深度學習基礎
什麼是「深度學習」?
深度學習的應用
GPU與CPU
受歡迎的開源函式庫介紹
第4章：非監督式特徵學習
自動編碼器
受限玻爾茲曼機
第5章：影像辨識
人工模型與生物學模型之間的差異
卷積類神經網路的直觀理解與使用理由
卷積層
匯總層
退出
深度學習中的卷積層
Theano中的卷積網路
使用Keras的卷積層來做數字辨識
使用Keras的卷積層來對cifar10做辨識
預訓練
第6章：遞迴類神經網路和語言模型
遞迴類神經網路
語言塑模
語音辨識
第7章：棋盤遊戲的深度學習
早期具有 AI的遊戲
使用極小-極大演算法來給遊戲盤面定值
以Python實作Tic-Tac-Toe遊戲
學習一個估值函數
訓練AI成為圍棋大師
應用上限信賴界線於遊戲樹
蒙地卡羅樹搜索中的深度學習
強化學習的快速回顧
以策略梯度來學習策略函數
AlphaGo中的策略梯度
第8章：電腦遊戲的深度學習
以監督式學習方法處理電腦遊戲
運用基因演算法來玩遊戲
Q學習
Q學習實務
動態遊戲
Atari打磚塊
演員－評論家法
非同步法
以模型為基礎學習
第9章：異常偵測
什麼是「異常偵測」，什麼是「離群值偵測」?
真實世界中的異常偵測應用
受歡迎的淺層機器學習技術
使用「深度自動編碼器」來做「異常偵測」
H2O概觀
範例
第10章：建立一個生產就緒的 入侵偵測系統
什麼是數據產品?
訓練
測試
部署
