1.Keras之父、Google人工智能研究員Fran?ois Chollet和RStudio的創始人、首席執行官J.J.Allaire聯袂奉獻，深度學習經典著作。2.從零開始，淺顯易懂，30多個代碼示例輕松助力從入門到實戰。3.閱讀本書隻需要具備高中水平的數學知識，不需要機器學習或深度學習的經驗。4.多為業內知名專家推薦；提供可免費下載的源代碼。

●原書前言
致謝
關於本書
第一部分 深度學習基礎
第1章 什麼是深度學習
1.1 人工智能、機器學習和深度學習
1.1.1 人工智能
1.1.2 機器學習
1.1.3 從數據中學習表述
1.1.4 深度學習的“深”
1.1.5 通過三張圖理解深度學習的原理
1.1.6 深度學習目前能做什麼
1.1.7 不要相信短期炒作
1.1.8 人工智能的潛力
1.2 在深度學習之前：機器學習簡史
1.2.1 概率建模
1.2.2 早期的神經網絡
1.2.3 核方法
1.2.4 決策樹、隨機森林、梯度提升機
1.2.5 回到神經網絡
1.2.6 是什麼讓深度學習與眾不同
1.2.7 現代機器學習發展
1.3 為什麼會有深度學習？為什麼是現在
1.3.1 硬件
1.3.2 數據
1.3.3 算法
1.3.4 新一輪投資潮
1.3.5 深度學習走向大眾
1.3.6 它會持續下去嗎
第2章 在我們開始前：構建神經網絡的數學模塊
2.1 有關神經網絡的第一印像
2.2 神經網絡的數據表示
2.2.1 標量（零維張量）
2.2.2 向量（一維張量）
2.2.3 矩陣（二維張量）
2.2.4 三維張量和高維張量
2.2.5 關鍵屬性
2.2.6 在R中使用張量
2.2.7 數據批次的概念
2.2.8 數據張量的真實示例
2.2.9 向量數據
2.2.10 時間序列數據或序列數據
2.2.11 圖像數據
2.2.12 視頻數據
2.3 神經網絡的齒輪：張量運算
2.3.素運算
2.3.2 包含不同維度張量的運算
2.3.3 張量點積
2.3.4 張量重塑
2.3.5 張量運算的幾何解釋
2.3.6 深度學習的幾何解釋
2.4 神經網絡的引擎：基於梯度的優化
2.4.1 什麼是導數
2.4.2 張量運算的導數：梯度
2.4.3 隨機梯度下降
2.4.4 鏈式導數：後向傳播算法
2.5 回顧我們的第一個例子
2.6 本章小結
……
第二部分 深度學習實戰
附錄

近年來機器學習取得了長足的進步。深度學習繫統使得一些以往不可能實現的智能應用成為現實，推動了圖像識別和自然語言處理的巨大變革，也成功識別出了數據中的復雜模式。Keras深度學習庫為使用R語言的數據科學家和開發者提供了處理深度學習任務的工具集。《R語言深度學習》基於強大的Keras庫及其R語言接口介紹了深度學習。本書源於Keras之父、Google人工智能研究員Fran.oisChollet基於Python編寫的《Python深度學習》一書，由RStudio創始人J.J.Allaire修改為R語言版本，並采用直觀的解釋和實際的例子幫助讀者構建對深度學習的理解。讀者可以針對計算機視覺、自然語言處理和生成式模型領域的R語言應用加以實踐。本書包含如下內容：深度學習原理入門；深度學習環境設置；圖像分類與生成；基於文本和序列的深度學習。閱讀本書需要具備R語言編程能力，不需要有機器學習或深度學習的經驗。

(美)弗朗索瓦·肖萊,(美)J.J.阿萊爾 著 黃倩 等 譯