近年來，深度學(xué)習(xí)可謂是機(jī)器學(xué)習(xí)方向的明星概念，不同的深度學(xué)習(xí)模型分別在圖像處理與自然語言處理等任務(wù)中取得了前所未有的好成績。
 

在許多場(chǎng)合都有這樣的需求“如何對(duì)感興趣的領(lǐng)域快速理解和使用深度學(xué)習(xí)技術(shù)?”答案涉及復(fù)雜的數(shù)學(xué)、編程語言(如C、C++和Java)。但隨著R的興起,現(xiàn)在使用深度學(xué)習(xí)技術(shù)比以往更容易。因?yàn)镽易學(xué)易用，不要求很扎實(shí)的編程基礎(chǔ)，它被廣泛地應(yīng)用于機(jī)器學(xué)習(xí)實(shí)踐和教學(xué)中。即使對(duì)R語言不是很了解的用戶也可以通過一些包來搭建深度學(xué)習(xí)網(wǎng)絡(luò)。
 

《深度學(xué)習(xí)與R語言》11章，分為原理篇（第1~8章）和應(yīng)用篇（第9~11章）。原理篇按照深度學(xué)習(xí)的發(fā)展過程，主要討論了淺層神經(jīng)網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、自編碼網(wǎng)絡(luò)、受限玻耳茲曼機(jī)和深度置信網(wǎng)。應(yīng)用篇討論R環(huán)境部署深度學(xué)習(xí)環(huán)境的一些策略，包括：MXNetR、H2O和其他深度學(xué)習(xí)R包以及一些典型的應(yīng)用。
 

本書可用作本科高年級(jí)機(jī)器學(xué)習(xí)課程參考書或數(shù)據(jù)科學(xué)課程教材，也可供對(duì)人工智能、機(jī)器學(xué)習(xí)感興趣的讀者參考閱讀。

目錄

第1章引言
第2章深度神經(jīng)網(wǎng)絡(luò)DNN
第3章卷積神經(jīng)網(wǎng)絡(luò)CNN
第4章遞歸神經(jīng)網(wǎng)絡(luò)RNN
第5章自編碼網(wǎng)絡(luò)AE
第6章堆棧自編碼網(wǎng)絡(luò)SA
第7章受限玻耳茲曼機(jī)RBM
第8章深度置信網(wǎng)絡(luò)DBN
第9章MXNetR
第10章word2vec的R語言實(shí)現(xiàn)
第11章R語言其他深度學(xué)習(xí)包