主要内容 ● 用数学和编程思维快速掌握实用的深度学习概念 ● 利用Keras框架设计、开发、训练、验证和部署深度神经网络 ● 呈现调试和验证深度学习模型的最佳实践 ● 将深度学习作为服务部署并集成到大型软件服务或产品中 ● 将深度学习基本原理扩展到其他主流框架

Jojo Moolayil是人工智能、深度学习、机器学习和决策科学领域的专家，曾撰写Smarter Decisions: The Intersection of IoT and Decision Science (Packt，2016)一书。他与一些行业领导者在多个垂直领域共同研发了几个影响重大的数据科学和机器学习项目。他目前是Amazon Web Services(IaaS提供商)的人工智能领域高级研究员。Jojo出生并成长在印度浦那，毕业于浦那大学信息技术工程专业。他的职业生涯始于世界上最大的纯游戏分析提供商Mu Sigma公司，与许多《财富》50强客户共过事。后来他就职于物联网分析初创公司Flutura以及工业人工智能的先驱和领导者GE公司。他目前居住在加拿大温哥华市。除了撰写有关深度学习、决策科学和物联网的书籍外，Jojo还为Apress和Packt Publishing出版社就上述领域的各种书籍担任技术编辑。他是一位活跃的数据科学导师。

前 言 本书旨在为读者提供关于深度学习的速成课程。读者最好具有某种现代语言的基本编程技能。如果读者具有Python编程经验，则相当完美，但不是必需的。鉴于我们可以介绍的内容广度和深度的局限性，本书旨在使初学者能够深入了解深度学习知识，包括模型开发方面的实操经验，这将有助于读者在深度学习领域打下基础。 如果读者水平高于初学者级别，并热衷于探索深度学习高级主题，例如计算机视觉、语音识别等，则不建议使用本书。关于CNN、RNN和现代无监督学习算法方面的主题，超出了本书讨论范围。我们仅对这些内容进行简要介绍，以使读者初步了解这些较高级的主题，另外提供一些推荐资源，以便读者更详细地探索这些主题。 本书涵盖内容 本书聚焦于以数学和编程友好的抽象方式向读者提供探索实用深度学习概念的快速方法。读者将学习使用业界最流行的Keras框架设计、开发、训练、验证和部署深度神经网络。读者还将掌握关于调试和验证深度学习模型的最佳实践经验，了解如何将深度学习作为服务部署和集成到更大的软件服务或产品中。最后，借助基于Keras构建深度学习模型所获得的经验，读者还可以将相同的原理推广到其他流行框架中。 本书读者对象 本书主要面向那些为谋求事业发展而热衷于探索深度学习的软件工程师和数据工程师。我们了解读者大多时间紧迫，也了解读者为了快速消化新知识会感到痛楚。此外，本书还面向数据科学爱好者，以及将深度学习作为研究和实验工具的学术和科研人员。 本书学习方式 本书遵循“惰性”编程方法。首先介绍基本情况，然后在每个步骤中逐步针对上下文展开。我们将清晰地讨论每个基本模块的工作方式，然后分析可用...