隨著普羅大眾對人工智慧的興趣日益濃厚，深度學習也引起了廣泛的關注。每一天都有許多深度學習的演算法被運用在不同的產業中。

本書將會為您提供有關該主題的所有實務資訊，包括最佳實作，使用真實世界的案例。您將學習到如何辨識和擷取資訊以便提高預測準確性，並最佳化結果。

從快速回顧重要的機器學習觀念開始，本書將使用scikit-learn來介紹深度學習的原理。然後，您也將學習到使用最新的開源函式庫，如Theano、Keras、Google的TensorFlow和H20。讀者可以使用本書當作一個指南，來找出模式辨識的困難之處，縮放數據以便得到更精確的結果，並討論深度學習演算法和技巧。

無論您是想深入了解深度學習，還是想要知道如何從這個強大的技術中獲得更多的資訊，您都可以從本書中學到這一切。

適用讀者
對機器學習觀念具有一些基本認識，對Python程式設計有一些經驗的數據科學從業人員，或是立志成為資料科學家的人。同時也需對微積分和統計學的基本觀念有相當程度的理解。

============================
你能夠從本書學習到：
‧ 深度學習演算的深入實務認識。
‧ 進一步地以Theano、H2O、Keras和TensorFlow來學習深度學習。
‧ 了解在許多深度學習實作的兩個最重要的核心技術：自動編碼器和受限玻爾茲曼機。
‧ 介紹卷積類神經網路來處理電腦視覺。
‧ 了解強化學習來處理棋盤遊戲與電動遊戲。
‧ 遞迴類神經網路和長短期記憶網路來做語音辨識。
‧ 以深度學習技術建立一個可擴充和生產就緒的異常偵測系統。


作者簡介：

Valentino Zocca，目前是一家大型金融公司的獨立顧問，住在紐約。他利用機器學習與深度學習，開發了許多計量經濟學模型來建立預測模型。在羅馬大學取得數學碩士學位後，再到美國馬里蘭大學深造，並且完成他的數學博士學位，博士論文是研究「symplectic geometry」。取得博士學位後，在英國的University of Warwick待了一學期，再到巴黎進行博士後研究。接著在華盛頓特區的Autometric公司服務，參與許多高科技專案，並在設計、開發一個先進3D地球視覺化軟體的專案中扮演核心的角色。Autometric公司後來被波音公司併購，在波音公司服務期間，開發了許多數學演算法和預測模型，並使用Hadoop完成了許多衛星影像視覺化的程式。他可以說是一位機器學習與深度學習的專家。並曾在美國人口普查局工作。也以獨立顧問的身分，在美國與義大利工作。並曾經在義大利米蘭與美國紐約主持過機器學習與深度學習的講座。

Gianmario Spacagna，目前是 Pirelli輪胎公司的資深資料科學家，專門處理IoT感測器資料、遙測資料與聯通載具的應用。主要專長是在替數據產品建立機器學習系統和完整的解決方案。工作中需要與輪胎技師，工程師和業務部門密切合作，以便分析和製定混合動力，物理驅動和數據驅動的汽車模型。
Gianmario是Professional Data Science Manifesto一書的共同作者，也是Data Science Milan meetup社群的創辦人。擁有Polytechnic of Turin的資訊碩士學位，曾是斯德哥爾摩的KTH公司，分散式系統的資深軟體工程師。在到Pirelli輪胎公司服務之前，曾在Barclays的零售和商業銀行服務、Cisco擔任網絡安全工作、AgilOne從事市場預測，偶爾也會以個人名義承攬專案。

Daniel Slater，從11歲開始設計程式，開發軟體遊戲Quake的模組。他的熱情引領他成為電腦遊戲公司的遊戲開發工程師，並且參與Championship Manager這個熱門系列遊戲的開發，後來轉入財務領域，從事高風險、高效能的訊息系統。現職是Skimlinks的大數據工程師，分析線上使用者行為，閒暇時間會訓練AI來打敗電腦遊戲，也曾多次在技術會議上發表關於深度學習與強化學習的演說。部落格是www.danielslater.net，其工作成果也被Google所引用。

Peter Roelants，擁有魯汶大學的計算機科學碩士學位，專攻人工智慧。致力於將深度學習運用在各個領域，例如光譜成像，語音辨識，文本分析和文件資訊檢索。目前在Onfido工作，是「數據檢索研究團隊」的領導人，專注於官方文件的資料檢索。