本书是使用Python 行深度学习实践的一本初学指南，将带领读者学习使用Python构建深度神经网络模型。本书不要求读者具有深度神经网络的相关经验，也没有罗列大量的公式，而是通过一些实际案例，以简单直白的方式介绍深度神经网络的两项任务 分类和回归，解析深度学习模型中的一些核心问题，以期让读者对深度学习的全貌有一个清晰的认识。通过简单易学的步骤，读者将学会如何使用Python构建深度神经网络模型。一旦掌握了这些步骤，读者就能够把这些知识转换为强大的数据科学应用程序。本书包括以下精彩内容：★ 释放深度神经网络的有效预测能力；★ 动手发二元分类的解决方案；★ 为多元问题设计成功的应用；★ 掌握有效模型构建的技术；★ 调节深度神经网络，以改善其性能。
本书为读者建立机器学习模型提供了容易理解和上手的指导。本书拨迷雾，辟出一条清晰的学习路径，帮助读者发现、理解、应用和发机器学习和数据科学的潜力。本书通过免费的预测分析软件包 ，为读者提供必要的工具，帮助读者充分理解、深化认识并展创造性思维，以增强自己的机器学习和数据科学项目。本书阐述了：★ 能够从数据中学习到什么？★ 为什么从数据中学习是数据科学工具箱的必 备部分？★ 如何将机器学习运用到自己的研究中？通过阅读本书，你将能够：★ 掌握从数据中学习的技能；★ 探索、评价并利用核心学习类型；★ 发挥监督学习的威力；★ 使用半监督学习设计成功的解决方案；★ 学会使用无监督学习；★ 模拟实现自己的想法并帮助创新方法。 本书是一本可以轻轻松松从门到精通的指南，你可以亲自动手实践其中巧妙的算法。如果你
深度学习是机器学习的一个分支，旨在建立模拟人脑行分析学习的神经网络。很多知名的科技公司已经部署了深度学习技术来帮助它们解决业务问题。本书侧重于R语言与深度学习的结合，语言通俗易懂，不涉及过多的数学知识，贯穿全书的重是实践方法，旨在向读者讲解深度学习的企业化应用，并通过R编程来构建各种模型，帮助读者了解企业中应用深度学习的相关案例。本书非常注重实用性，不对读者做过多的技术要求，适合所有想通过R编程来了解深度学习，并对深度学习的商业化应用感兴趣的读者。
