●第1章理解人工神經網絡和深度神經網絡
1.1配置環境
1.1.1準備工作
1.1.2操作步驟
1.1.3原理解析
1.1.4內容拓展
1.1.5參考閱讀
1.2神經網絡的Keras實現
1.3序貫模型API
1.3.1準備工作
1.3.2操作步驟
1.3.3原理解析
1.3.4內容拓展
1.3.5參考閱讀
1.4函數式API
1.4.1操作步驟
1.4.2原理解析
1.4.3內容拓展
1.5TensorFlowEstimatorAPI
1.5.1準備工作
1.5.2操作步驟
1.5.3原理解析
1.5.4內容拓展
1.5.5參考閱讀
1.6TensorFlowCoreAPI
1.6.1準備工作
1.6.2操作步驟
1.6.3原理解析
1.7實現單層神經網絡
1.7.1準備工作
1.7.2操作步驟
1.7.3原理解析
1.7.4內容拓展
1.7.5參考閱讀
1.8實現第一個深度神經網絡
1.8.1準備工作
1.8.2操作步驟
1.8.3原理解析
1.8.4內容拓展
1.8.5參考閱讀
第2章卷積神經網絡實戰
2.1卷積運算導論
2.1.1準備工作
2.1.2操作步驟
2.1.3原理解析
2.1.4內容拓展
2.1.5參考閱讀
2.2理解卷積步幅和填充
2.2.1操作步驟
2.2.2原理解析
2.3掌握池化層
2.3.1準備工作
2.3.2操作步驟
2.3.3原理解析
2.3.4內容拓展
2.3.5參考閱讀
2.4實現遷移學習
2.4.1準備工作
2.4.2操作步驟
2.4.3原理解析
2.4.4內容拓展
2.4.5參考閱讀
第3章循環神經網絡實戰
3.1使用RNN實現情感分類
3.1.1準備工作
3.1.2操作步驟
3.1.3原理解析
3.1.4內容拓展
3.1.5參考閱讀
3.2使用LSTM實現文本生成
3.2.1準備工作
3.2.2操作步驟
3.2.3原理解析
3.2.4內容拓展
3.2.5參考閱讀
3.3使用GRU實現時間序列預測
3.3.1準備工作
3.3.2操作步驟
3.3.3原理解析
3.3.4內容拓展
3.3.5參考閱讀
3.4實現雙向循環神經網絡
3.4.1操作步驟
3.4.2原理解析
3.4.3內容拓展
第4章使用Keras實現自動編碼器
4.1實現基本自動編碼器
4.1.1準備工作
4.1.2操作步驟
4.1.3原理解析
4.1.4內容拓展
4.2降維自動編碼器
4.2.1準備工作
4.2.2操作步驟
4.2.3原理解析
4.2.4內容拓展
4.3去噪自動編碼器
4.3.1準備工作
4.3.2操作步驟
4.3.3原理解析
4.3.4內容拓展
4.4自動編碼器的黑白圖像著色實戰
4.4.1準備工作
4.4.2操作步驟
4.4.3原理解析
4.4.4參考閱讀
第5章深度生成模型
5.1使用GAN生成圖像
……

本書針對想要了解深度學習概念的數據科學愛好者，本書通過通俗易懂地解釋R代碼，讓讀者可以很容易起步。在深度學習算法和應用的理論和實踐方面做到了平衡，在講述基礎理論的同時，通過45個基於R語言的編程實例讓讀者循序漸進地掌握深度學習技術。讀者將通過實戰案例實現卷積神經網絡（CNN）、循環神經網絡（RNN）、長短時記憶網絡（LSTM）、序列到序列模型、生成對抗網絡（GAN）和強化學習，還將學習使用GPU進行大型數據集的高性能計算，以及R語言中的並行計算編程。各部分內容安排合理，按照“準備工作→操作步驟→原理解析→內容拓展→參考閱讀”的流程組織內容，清楚地講解實戰案例的實現過程。

(英)斯沃納·古普塔,(英)雷漢·阿裡·安薩裡,(英)迪帕揚·薩卡爾 著 毛國君,林江宏 譯