深度學習：R語言實踐指南

本書內容主要涉及：深度學習的數學理論基礎，包括重要的統計學和線性代數的相關基本概念和知識；深度學習的各種典型模型，例如傳統的單層感知器模型、多層感知器模型，以及卷積神經網路、循環神經網路、受限玻耳茲曼機、深度信念網路等一些更為複雜的模型；構建深度學習模型的實驗設計方法以及實驗過程中的特徵選擇方法；應用R語言進行機器學習和深度學習實踐的案例。




Taweh Beysolow Ⅱ機器學習科學家，現居美國，熱衷於研究及應用機器學習方法解決實際問題。他本科畢業於聖約翰大學，獲得經濟學學士學位，后獲得福特漢姆大學應用統計學碩士學位。他對一切與機器學習、數據科學、計量金融及經濟學相關的內容都有著巨大的熱情。

Taweh Beysolow Ⅱ機器學習科學家，現居美國，熱衷於研究及應用機器學習方法解決實際問題。他本科畢業於聖約翰大學，獲得經濟學學士學位，後獲得福特漢姆大學應用統計學碩士學位。他對一切與機器學習、資料科學、計量金融及經濟學相關的內容都有著巨大的熱情。Taweh Beysolow Ⅱ機器學習科學家，現居美國，熱衷於研究及應用機器學習方法解決實際問題。他本科畢業於聖約翰大學，獲得經濟學學士學位，後獲得福特漢姆大學應用統計學碩士學位。他對一切與機器學習、資料科學、計量金融及經濟學相關的內容都有著巨大的熱情。