深度學習：算法入門與Keras編程實踐

　　深度學習作為人工智能領(lǐng)域的“排頭兵”，將在未來的新一輪產(chǎn)業(yè)升級中起到至關(guān)重要的作用。本書以“理論＋實踐”的形式幫助讀者快速建立深度學習知識體系，不僅能在算法層面上理解各種神經(jīng)網(wǎng)絡模型，而且能借助功能強大且極易上手的Keras 框架，熟練地搭建和訓練模型，應用于解決實際問題。 全書共12章，內(nèi)容涵蓋入門深度學習的絕大部分基礎(chǔ)知識。第1章講解如何搭建深度學習的編程環(huán)境，并簡單回顧了學習深度學習必備的數(shù)學知識。第2章從回歸算法出發(fā)帶領(lǐng)讀者踏上深度學習之路。第3～9章全面講解時下幾種主流神經(jīng)網(wǎng)絡結(jié)構(gòu)，包括多層感知機（MLP）、卷積神經(jīng)網(wǎng)絡（CNN）、循環(huán)神經(jīng)網(wǎng)絡（RNN）、 自動編碼器（AE）、變分自動編碼器（VAE）、對抗生成網(wǎng)絡（GAN）等。第10～12章著重介紹時下主流的幾類深度學習應用，包括圖像識別、目標檢測和自然語言處理等。無論是算法原理還是編程實踐，本書都從易到難、循序漸進地講解，并配合簡單輕松的實例幫助讀者加深印象。 本書不僅適合需要在工作中應用深度學習技術(shù)的專業(yè)人員，而且適合具備一定計算機編程基礎(chǔ)的人工智能和深度學習愛好者。對于大專院校相關(guān)專業(yè)的師生，本書也是一本不錯的參考讀物。

　　李易 畢業(yè)于世界著名學府美國賓夕法尼亞大學，擅長 Python、C++ 等主流編程語言與 AI 視覺處理。在校期間曾在世界知名的 Haim Bau 教授實驗室參與基于 AI 圖像算法的寨卡（Zika）病毒識別、HSV（單純皰疹病毒）檢測等多個研究項目。目前就職于汽車行業(yè)供應商瑞典 Syntronic 公司，帶領(lǐng)團隊研發(fā)基于 AI 技術(shù)與商用 5G 車聯(lián)網(wǎng)的車內(nèi)生命檢測系統(tǒng)。