Python深度学习
编辑推荐
适读人群 ：本书面向有以下需求的读者： ★ 希望学习原理而不是进行数学推导； ★ 想看到有意义的现实世界应用； ★ 想要可用的Python示例，以容易理解并能快速上手； ★ 希望得一些到可用的想法，并能用自己的数据进行试验。
本书是使用Python 进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；
★ 动手开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。
内容简介
本书是使用Python 进行深度学习实践的一本初学指南。本书并未罗列大量的公式，而是通过一些实用的实际案例，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。
本书共9 章，分别介绍了深度学习基础理论、神经网络基础知识、构建定制化深度预测模型、性能提升技术、二元分类的神经网络应用等内容，并借助Python 语言对基本算法和实现模型进行了探索。
本书适合期望用较短时间在深度神经网络领域初试牛刀的读者，也适合深度学习的初学者以及业内人士参考。
作者简介
尼格尔·刘易斯（N.D. Lewis）是一位数据科学和预测领域的讲师、作者和研究者。他在华尔街和伦敦从事投资管理工作多年，编著了统计、数据科学和量化模型方面的数本图书，并且在大学里开设深度学习、机器学习和数据分析应用等方面的课程。