深度学习与R语言豆瓣在线阅读-深度学习与R语言PDF电子书下载完整高清版

编辑点评：

深度学习与R语言的目的是把强大的深度学习技术传递到想实践深度学习的读者手中，而不是让读者理解深度学习的理论细节。因此，内容重点是数据分析和建模，注意力完全集中在能有效工作的深度学习技术、理念和策略上，这样可以用最少的时间快速消化和部署深度学习应用。

编辑推荐

如果您是大学教师，那就赶快加入深度学习行列，成为数据科学专业带头人。

如果您是企业IT工程师，这是你技术转型的良好时机，迅速迈入大数据时代。

如果您是刚毕业的大学生，本书为您成为数据分析师奠定基础。

如果您是在校学生，想尽快了解智能时代的核心技术，本书是您的一个选择。

内容简介

近年来，深度学习可谓是机器学习方向的明星概念，不同的深度学习模型分别在图像处理与自然语言处理等任务中取得了前所未有的好成绩。

在许多场合都有这样的需求“如何对感兴趣的领域快速理解和使用深度学习技术?”答案涉及复杂的数学、编程语言(如C、C++和Java)。但随着R的兴起,现在使用深度学习技术比以往更容易。因为R易学易用，不要求很扎实的编程基础，它被广泛地应用于机器学习实践和教学中。即使对R语言不是很了解的用户也可以通过一些包来搭建深度学习网络。

全书11章，分为原理篇（第1~8章）和应用篇（第9~11章）。原理篇按照深度学习的发展过程，主要讨论了浅层神经网络、深度神经网络、卷积神经网络、递归神经网络、自编码网络、受限玻耳兹曼机和深度置信网。应用篇讨论R环境部署深度学习环境的一些策略，包括：MXNetR、H2O和其他深度学习R包以及一些典型的应用。

本书可用作本科高年级机器学习课程参考书或数据科学课程教材，也可供对人工智能、机器学习感兴趣的读者参考阅读。

本书具有以下特点

1)让读者清楚如何在R中使用深度学习。书中给出了大量的深度学习应用案例，这些例子可以直接输入到R环境中运行,指导读者一步一步构建和部署深度学习模型。

2)深度学习不需要很深的数学基础作为前提。无论你是谁?无论你来自哪里?无论你的受教育背景如何?都有能力使用这本书中论述的方法。

3)每一章都提供了进一步学习的详细参考资料，并且大部分是免费的。

图的上半部分给出了本书的学习路线，第1、5、7章相对独立，是学习深度神经网络的基础，虚线表示分类，实线表示支持，核心是第3、4、8章，每一章下面的英文表示依赖的R包。图的下半部分是深度学习R包与各章的关系。

为什么要学习R语言

1）免费开源。

现在很多学术期刊都对分析软件有版权要求，而免费的分析工具可以使你在这方面不会有什么担心。另外，如果学术界出现一种新的数据分析方法，那么要过很长一段时间才会出现在商业软件中。但开源软件的好处就在于，很快就会有人将这种方法编写成扩展包，或者你自己就可以做这份工作。

2）小巧而精悍。

R语言的安装包很小，大约40 MB，相比其他几个软件相比，它算是非常小巧精悍的。目前R语言非常受到专业人士欢迎，根据对数据挖掘大赛胜出者的调查可以发现，他们用的工具基本上都是R语言。此外，从最近几次R语言大会上可以了解到，咨询业、金融业、医药业都在大量的使用R语言，包括Google和Facebook的大公司都在用它。因此，学习R语言对职业发展一定是有帮助的。

3）丰富的R包。

R语言应该是所有数据分析软件里，方法（函数）最多的语言。截至2016年6月，R语言综合典藏网（Comprehensive R Archive Network，CRAN）上共提供了3024个包，涵盖了贝叶斯推断、分类方法、计量经济学、生态学、金融学、遗传学、机器学习、稳健统计、空间统计、生存分析和时间序列等多个方面。

4）广泛的数据接口。

R语言可以良好地接入CSV（Commna Separated Values）数据，或者通过其他包来扩展，直接读入SPSS，SAS，Minitab，Stata和Excel等文件，或者直接读取MySQL，SQL Server，DB2和Oracle等数据库。

5）强大的绘图功能。

R语言提供了“高水平”“低水平”和“交互式”三种绘图命令，而且很容易生成ps，pdf，png.jpeg，bmp，gif，SVG，甚至以LATEX或HTML形式输出。

深度学习与R语言PDF电子书下载截图