1准备深度学习的环境 1
1.1 硬件环境的搭建和配置选择 1
1.1.1 通用图形处理单元 3
1.1.2 你需要什么样的GPU加速卡 6
1.1.3 你的GPU需要多少内存 6
1.1.4 是否应该用多个GPU 10
1.2 安装软件环境 12
1.2.1 所需软件列表 12
1.2.2 CUDA的安装 13
1.2.3 Python计算环境的安装 13
1.2.4 深度学习建模环境介绍 15
1.2.5 安装CNTK及对应的Keras 17
1.2.6 安装Theano计算环境 23
1.2.7 安装TensorFlow计算环境 25
1.2.8 安装cuDNN和CNMeM 27
2数据收集与处理 28
2.1 网络爬虫 28
2.1.1 网络爬虫技术 29
2.1.2 构造自己的Scrapy爬虫 30
2.1.3 构造可接受参数的Scrapy爬虫 35
2.1.4 运行Scrapy爬虫 36
2.1.5 运行Scrapy爬虫的一些要点 38
2.2 大规模非结构化数据的存储和分析 40
2.2.1 ElasticSearch介绍 42
2.2.2 ElasticSearch应用实例 44
3深度学习简介 57
3.1 概述 57
3.2 深度学习的统计学入门 58
3.3 一些基本概念的解释 61
3.3.1 深度学习中的函数类型 62
3.3.2 深度学习中的其他常见概念 65
3.4 梯度递减算法 67
3.5 后向传播算法 70
4Keras入门 72
4.1 Keras简介 72
4.2 Keras中的数据处理 73
4.2.1 文字预处理 74
4.2.2 序列数据预处理 82
4.2.3 图片数据输入 83
4.3 Keras中的模型 83
4.4 Keras中的重要对象 86
4.5 Keras中的网络层构造 90
4.6 使用Keras进行奇异值矩阵分解 102
5推荐系统 105
5.1 推荐系统简介 105
5.2 矩阵分解模型 108
5.3 深度神经网络模型 114
5.4 其他常用算法 117
5.5 评判模型指标 119
6图像识别 121
6.1 图像识别入门 121
6.2 卷积神经网络的介绍 122
6.3 端到端的MNIST训练数字识别 127
6.4 利用VGG 16网络进行字体识别 131
6.5 总结 135
7自然语言情感分析 136
7.1 自然语言情感分析简介 136
7.2 文字情感分析建模 139
7.2.1 词嵌入技术 139
7.2.2 多层全连接神经网络训练情感分析 140
7.2.3 卷积神经网络训练情感分析 143
7.2.4 循环神经网络训练情感分析 144
7.3 总结 146
8文字生成 147
8.1 文字生成和聊天机器人 147
8.2 基于检索的对话系统 148
8.3 基于深度学习的检索式对话系统 159
8.3.1 对话数据的构造 159
8.3.2 构造深度学习索引模型 162
8.4 基于文字生成的对话系统 166
8.5 总结 172
9时间序列 173
9.1 时间序列简介 173
9.2 基本概念 174
9.3 时间序列模型预测准确度的衡量 178
9.4 时间序列数据示例 179
9.5 简要回顾ARIMA时间序列模型 181
9.6 循环神经网络与时间序列模型 186
9.7 应用案例 188
9.7.1 长江汉口月度流量时间序列模型 190
9.7.2 国际航空月度乘客数时间序列模型 203
9.8 总结 209
10智能物联网 210
10.1 Azure和IoT 210
10.2 Azure IoT Hub服务 213
10.3 使用IoT Hub管理设备概述 215
10.4 使用.NET将模拟设备连接到IoT中心 218
10.5 机器学习应用实例 237