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，然后分析可用于实现它们的抽象原理。

本书组织结构

本书分为三部分，每部分包含两章。

第Ⅰ部分呈现快速了解深度学习需要的所有必要工具。第1章介绍深度学习的主题，详细介绍了它与相似领域的区别，并通过较深入地分析Keras生态系统来探索深度学习框架的选择。第2章将帮助读者开始利用Keras开展动手练习，了解深度学习的基本模块并开发第一个基本的深度神经网络。

第Ⅱ部分用简单明了的语言介绍深度学习基础知识，同时以最少的代码抽象化模型训练和验证的复杂性，抽象化数学原理的复杂性，但又不失灵活性、规模和必要的精确性。第3章探讨一个可通过深度神经网络监督学习算法解决的业务问题。利用流行的Kaggle数据集，求解一个回归应用场景问题和另一个分类应用场景问题。第4章深入研究深度神经网络的验证技巧(即如何度量性能以及查找缺陷和避免缺陷)。

第Ⅲ部分讲述模型改进和未来的学习方向。第5章讨论深度学习中一个有趣且具有挑战性的部分(即超参数调优)。第6章讨论进一步锤炼技能的学习方向，并讨论深度学习中的一些研究领域。

通过本书的学习，读者将在最短时间内全面了解深度学习原理，并获得利用Keras开发企业级深度学习解决方案的实践经验。

源代码下载

读者可访问www.apress.com/978-1-4842-4239-1访问和下载源代码。

也可扫封底二维码直接下载。