《Keras快速上手》内容简介

《Keras快速上手：基于Python的深度学习实战》系统地讲解了深度学习的基本知识、建模过程和应用，并以深度学习在推荐系统、图像识别、自然语言处理、文字生成和时间序列中的具体应用为案例，详细介绍了从工具准备、数据获取和处理到针对问题进行建模的整个过程和实践经验，是一本非常好的深度学习入门书。
不同于许多讲解深度学习的书籍，《Keras快速上手：基于Python的深度学习实战》以实用为导向，选择了Keras作为编程框架，强调简单、快速地设计模型，而不去纠缠底层代码，使得内容相当易于理解，读者可以在CNTK、TensorFlow和Theano的后台之间随意切换，非常灵活。并且本书能帮助读者从高度抽象的角度去审视业务问题，达到事半功倍的效果。

作品目录

推荐语
序一
序二
前言
阅读须知
1、准备深度学习的环境
1.1、硬件环境的搭建和配置选择
1.2、安装软件环境
2、数据收集与处理
2.1、网络爬虫
2.2、大规模非结构化数据的存储和分析
3、深度学习简介
3.1、概述
3.2、深度学习的统计学入门
3.3、一些基本概念的解释
3.4、梯度递减算法
3.5、后向传播算法
4、Keras入门
4.1、Keras简介
4.2、Keras中的数据处理
4.3、Keras中的模型
4.4、Keras中的重要对象
4.5、Keras中的网络层构造
4.6、使用Keras进行奇异值矩阵分解
5、推荐系统
5.1、推荐系统简介
5.2、矩阵分解模型
5.3、深度神经网络模型
5.4、其他常用算法
5.5、评判模型指标
6、图像识别
6.1、图像识别入门
6.2、卷积神经网络的介绍
6.3、端到端的MNIST训练数字识别
6.4、利用VGG16网络进行字体识别
6.5、总结
7、自然语言情感分析
7.1、自然语言情感分析简介
7.2、文字情感分析建模
7.3、总结
8、文字生成
8.1、文字生成和聊天机器人
8.2、基于检索的对话系统
8.3、基于深度学习的检索式对话系统
8.4、基于文字生成的对话系统
8.5、总结
9、时间序列
9.1、时间序列简介
9.2、基本概念
9.3、时间序列模型预测准确度的衡量
9.4、时间序列数据示例
9.5、简要回顾ARIMA时间序列模型
9.6、循环神经网络与时间序列模型
9.7、应用案例
9.8、总结
10、智能物联网
10.1、Azure和IoT
10.2、Azure
IoT
Hub服务
10.3、使用IoT
Hub管理设备概述
10.4、使用.NET将模拟设备连接到IoT中心
10.5、机器学习应用实例