内容简介
本书介绍使用R语言和深度学习库TensorFlow、H2O和MXNet构建不同的深度学习模型的方法和原理。本书共10章,其中第1、2章介绍如何在R中配置不同的深度学习库以及如何构建神经网络;第3~7章介绍卷积神经网络、自动编码器、生成模型、循环神经网络和强化学习的构建方法和原理;第8、9章介绍深度学习在文本挖掘以及信号处理中的应用;第10章介绍迁移学习以及如何利用GPU部署深度学习模型。本书的结构简单明了,每部分由准备环节、动手操作和工作原理组成,可强化读者的学习;内容上覆盖了深度学习领域常见的神经网络类型,并介绍了使用场景。同时,书中包含大量实用的示例代码,方便读者应用到实际项目中。本书适合有一定R语言编程基础,并且希望使用R语言快速开展深度学习项目的软件工程师或高校师生、科研人员阅读。