深度学习系列：基础教程+Python+Tensorflow+Theano（套装共4册）

编辑推荐

　　"《深度学习基础教程》领英、谷歌和eBay数据科学家倾情奉献，深度学习入门书，数学不好的读者也能轻松掌握。
　　《Python深度学习实战：75个有关神经网络建模、强化学习与迁移学习的解决方案》提供训练不同神经网络模型并调整模型以期获得佳性能的实战方案；使用诸如TensorFlow、Caffe、Keras、Theano的Python框架进行自然语言处理、计算机视觉识别等；Python深度学习中的常见以及不常见问题的解决指南。
　　《基于TensorFlow的深度学习：揭示数据隐含的奥秘》阅读本书将会学到的内容：配置计算环境和安装TensorFlow；构建日常计算的简单TensorFlow图；基于TensorFlow的逻辑回归分类应用；利用TensorFlow设计和训练多层神经网络；直观理解卷积神经网络在图像识别中的应用；神经网络从简单模型到更精准模型的改进；TensorFlow在其他类型神经网络中的应用；基于一种TensorFlow高级接口——SciKitFlow的神经网络编程。
　　《基于Theano的深度学习：构建未来与当前的人工大脑》阅读本书将会学到的内容：熟悉Theano和深度学习的概念；给出监督式、非监督式、生成或强化学习的示例；揭示设计高效深度学习网络的主要原则：卷积、残差连接和递归连接；Theano在实际计算机视觉数据集中的应用，如数字分类和图像分类；将Theano扩展到自然语言处理任务，如聊天机器人或机器翻译；人工智能驱动策略以使得机器人能够解决博弈问题或从环境中学习；基于生成模型生成真实的合成数据；熟悉应用于Theano上层的两个框架：Lasagne和Keras。"

内容简介

　　《基于Theano的深度学习：构建未来与当前的人工大脑》主要介绍了深度学习的基本概念和常用网络以及Theano在深度学习中的应用。共13章，首先介绍了Theano的基础知识，包括张量、计算图、符号计算、张量算子、自动微分等概念，然后分别介绍了基于前馈神经网络的手写体数字分类、单词的向量编码、基于递归神经网络的文本生成、基于双向LSTM的情感分析、基于空间变换网络的定位、基于剩余网络的图像分类、基于编码—解码网络的翻译与解释、基于注意力机制的相关输入或记忆选择、基于先进递归神经网络的时间序列预测、强化环境学习和基于非监督式网络的特征学习等内容，后介绍了Theano在深度学习中的扩展可能性。

　　《基于TensorFlow的深度学习：揭示数据隐含的奥秘》主要介绍TensorFlow及其在各种深度学习神经网络中的应用。全书共5章，首先介绍了TensorFlow的入门知识，包括其相关技术与模型以及安装配置，然后分别介绍了TensorFlow在深度神经网络、卷积神经网络、递归神经网络中的应用，并通过具体示例进行了详细分析与应用。后，对上述TensorFlow模型进行了总结分析，并核验了模型精度。

　　《Python深度学习实战：75个有关神经网络建模、强化学习与迁移学习的解决方案》以自上而下和自下而上的方法来展示针对不同领域实际问题的深度学习解决方案，包括图像识别、自然语言处理、时间序列预测和机器人操纵等。还讨论了采用诸如TensorFlow、PyTorch、Keras和CNTK等流行的深度学习开源框架用于实际问题的解决方案及其优缺点。《Python深度学习实战：75个有关神经网络建模、强化学习与迁移学习的解决方案》内容包括：用于深度学习的编程环境、GPU计算和云端解决方案；前馈神经网络与卷积神经网络；循环与递归神经网络；强化学习与生成对抗网络；深度学习用于计算机视觉、自然语言处理、语音识别、视频分析、时间序列预测、结构化数据分析以及游戏智能体（Agents）和机器人操控等。后讨论了深度学习的超参数选择和神经网络的内在结构以及预训练模型的使用技巧等。
　　《深度学习基础教程》是真正适合深度学习初学者的入门书籍，全书没有任何复杂的数学推导。《深度学习基础教程》首先介绍了深度学习的优势和面临的挑战、深度学习采用深层架构的动机、学习深度学习需要的数学知识和硬件知识以及深度学习常用的软件框架。然后对多层感知机、卷积神经网络（CNN）、受限玻耳兹曼机（RBM）、循环神经网络（RNN）及其变体—长短时记忆（LSTM）网络进行了详细介绍，并且以独立章节重点阐述了CNN在计算机视觉中的应用、RNN在自然语言处理中的应用以及深度学习在多模态学习领域中的应用。随后，本书介绍了深度强化学习的基本知识，给出了应用深度学习技术需要的许多实用技巧并概述了深度学习的一些新方向和新应用。

作者简介

　　ChristopherBourez于2005年毕业于巴黎综合理工大学和卡尚高等师范学院，获得数学、机器学习和计算机视觉（MVA）的硕士学位。

　　7年来，他创立了一家计算机视觉公司，在2007年推出了一种用于iPhone的视觉识别应用程序Pixee，与巴黎市的各大影院品牌和一些主要票务经销商合作：通过一张照片，用户可以获取有关活动、产品和购票方式等信息。

　　在应用Caffe、TensorFlow或Torch来完成计算机视觉任务的过程中，通过计算机科学的博客，帮助其他开发人员成功实现。其中一篇博客文章—“AtutorialontheCaffedeeplearningtechnology”（基于Caffe的深度学习技术教程），已成为继Caffe官方网站之后在网络上受欢迎的教程。

　　在Packt出版社的积极倡导下，将其撰写Caffe教程的成功经验移植到关于Theano技术的本书上。与此同时，还深入研究了有关深度学习的广泛问题，并在Theano及其应用方面积累了更多的实践经验。

　　DanVanBoxel是一位拥有10多年开发经验的数据分析师和机器学习工程师，其具代表性的工作是DanDoseData，这是一个在YouTube上演示神经网络强大功能和缺陷的直播平台。作者已开发出多种有关机器学习的新统计模型，并应用于高速运输货车计费、行程时间异常检验等领域。另外，作者还在美国交通研究委员会和其他学术期刊上发表了学术论文并给出了研究结果。

　　IndradenBakker是一位经验丰富的深度学习工程师和培训师。他是23insights平台的创始人，这是NVIDIA所属孵化项目计划的一部分，这是一个机器学习构建解决方案的初创型计划，可以改变世界上重要的行业。在开放课程平台Udacity，他指导了在深度学习和相关领域攻读微学位（Nanodegree）的学生，他还负责审查学生的实习项目。Indra拥有计算智能背景，并在创建23insights平台之前作为IPGMediabrands的品牌代理以及Screen6的数据科学家若干年。

　　程国建，博士，教授，西安培华学院智能科学与信息工程学院（中兴电信学院）院长。1990年12月获中国石油大学（华东）计算机应用专业工学学士学位；1994年6月获西安电子科技大学计算机与人工智能专业工学硕士学位；1997年9月至2001年12月留学德国图宾根大学，获理学博士学位（Dr.rer.nat.）。2002年3月至2003年8月在戴姆勒集团（DaimlerAG，奔驰汽车公司）从事汽车嵌入式软件产品线构造、车载多媒体互连架构(Telematics)等方面的研究工作。2004年9月回国任教，2008年底破格晋升教授职称，2009年7月荣获“陕西省优秀留学回国人员”荣誉称号，2010年12月赴美国西弗吉尼亚大学石油工程系进行访学活动。近几年主持并完成十余项科研项目，包括国家自然科学基金项目2项，指导研究生50余名，在相关学术研究领域及国际会议发表文章150余篇，其中核心期刊70余篇，三大检索（SCI/ISTP/EI）论文50余篇，出版专（译）著十余部。主要科研领域及研究方向包括：计算智能、机器学习、模式识别、图像处理、智能数字油田、商业智能、大数据与智慧城市等。

　　WeiDi是一名拥有多年机器学习和人工智能经验的数据科学家。她热衷于创建智能和可扩展的解决方案，这些解决方案可以影响数百万人，并增强成功企业的能力。目前，她是LinkedIn的一名数据科学家。她之前曾与eBay人类语言技术团队和eBay研究实验室合作。在此之前，她在Ancestry.com从事记录链接领域的大规模数据挖掘工作。她于2011年获得了普渡大学的博士学位。

　　AnuragBhardwaj目前领导着WiserSolutions的数据科学工作，其主要致力于构建大规模的电子商务库存。他特别感兴趣的是使用机器学习来解决产品类别分类和产品匹配方面的问题，以及电子商务中的各种相关问题。此前，他曾在eBay研究实验室从事图像理解工作。他在纽约州立大学布法罗分校获得博士学位和硕士学位，并在印度库鲁什特拉（Kurukshetra）的国立理工学院获得了计算机工程学士学位。

　　JianingWei是GoogleResearch的高级软件工程师。他的工作领域是计算机视觉和计算机成像。在2013年加入谷歌之前，他曾在索尼美国研究中心工作了4年，在此期间其主要从事3D计算机视觉和图像处理领域的研究工作。他于2010年获得了普渡大学电子与计算机工程博士学位。